js_cookie破解 | 爬虫遇到521还不会解决吗？

最近看到一篇【猿人学Python】文章【写爬虫，免不了要研究JavaScript设置cookies的问题 】,里面说到了mps“zggaw“的破解返回521的问题，然后自己也去尝试了一把，现在把我的实现过程分享出来，让有需要的人看到。

那我们就直接入正题了，首先我们的目标网址是“http://www.mps.gov.cn/n2253534/n2253535/index.html”，我们直接发起请求试试：

很明显，看到返回521，返回状态码521是什么意思呢？

5xx（服务器错误）

这些状态代码表示服务器在尝试处理请求时发生内部错误。这些错误可能是服务器本身的错误，而不是请求出错。

这时候我们打开Chrome的开发者工具，到Network模块，一定把Preserve log 打上勾不然看不到521那个红色的失败链接，Preserve log的作用是保留请求日志。跳转页面的时候勾选上，可以看到跳转前的请求。

然后点开那个红色的index.html，可以看到它status_code状态码为521，下面set cookie 设置了cookie值，切换到Response发现没有内容，为空。

这时候可以尝试两种方法继续走下去：

• 第一种就是尝试用火狐浏览器重复上面操作，查看Response响应栏下是否有内容

• 第二种就是直接尝试r.text，看是否有内容返回

可以看到，上面两种方法都能得到一串js代码，给了你走下去的可能，还有你们也可以通过抓包工具来获得这些内容。

得到了一串js代码，我们应该怎么办了？首先，这一串看着就不舒服，我们先把它格式化了再看，介绍一个js代码美化网站“https://beautifier.io/”，当然还有很多网站可以美化js代码，自行百度即可。那么接下来我们把代码拷贝到这个网站下进行查看。

选取我们需要的部分< script> < /script>中间的那一部分，并做修改复制到Chrome开发者工具的Console模块进行调试，把eval换成console.log（下面代码已经修改），并拷贝到Console之后enter即可。

可以看到下面红框中又返回了一段js代码，这时候别着急，继续我们之前的，先把它格式化美化了再说

复制拷贝代码到上面的js代码美化网站中，进行美化查看

这个时候可以看到一段很长的js代码，我们慢慢分析，找出我们想要的setTimeout('location.href=location.pathname+location.search.replace(/[\?|&]captcha-challenge/,\'\')', 1500);开头代码中可以看到1500估计就是我们一开始进去是等待网站在刷新出现内容的那一点五秒，这不重要，我们继续往下看document.cookie = '__jsl_clearance=1562764375.435|0|' + (function() {下一句就是我们想要的了，cookie关键词，我们爬虫无非就那几样东西，到这里大概能知道就是这个网站会返回一串生成cookie值的js代码，然后需要携带上这串js去请求网站就能成功返回信息了。我们找找cookie值的生成代码部分：

上面就是我们需要的，把他复制到Console调试查看下调试结果是否我们所需要的

根据调试结果我们知道，没错我们找对了，这就是我们需要的cookie的js生成代码，接下来就很简单了，我们用python把这过程重现一遍，用python的js代码运行模块（PyV8、PyExecJS、js2py，推荐使用PyExecJS）运行这几段js代码得到我们所需cookie就可以携带者cookie去登陆网站了，那么我们开始实现python代码吧！

首先，我这次用到了execjs这个模块，你需要pip安装pip install PyExecJS，然后导入即可import execjs

我安装了nodejs，所以我机器中execjs运行js代码的后端如上图所示。

然后就是我通过requests.Session()构造session发起请求并且这样方便管理cookies，发起请求代码res = session.get(url, headers=headers)。返回结果我们也知道就是一段js代码，然后我们需要处理这段js代码，用python语句实现我们之前做的，目标是得到cookie的值。

处理返回js代码块python语言实现如下：

代码中已经注释很清楚了，自己理解理解。

这时候已经得到cookie那个值了，下面就是构造cookie并携带发起请求就可以，相信这对于你们来说很简单。

等等，你以为就结束了吗，其实在这个过程中，我还发现一个问题就是，我是通过parse_qsl处理的cookie返回值，但是parse_qsl会把 字符串 unquote，但是发给服务器的cookie的__jsl_clearance 最后面的|后面的字符串必须是quote过的服务器才认为正确，所以我们还要在进行一步处理，或则也可以直接分割，先按分号：分割，再按等号=分割就可以，这就便面了接下来这一步。

好的，到这里就基本完成了js_cookie的破解了，你也可以毫无问题的请求这个网站不会再遇到521问题了，是不是解决了，最后提醒一下，因为他返回的js计算出来的cookie值那个cookie最前面是一个时间戳，跟实际时间比差7小时，所以你懂得，处理时间戳时再加上7小时（也就是25200秒）即可。

到这里，本篇文章也完成了写作，不知不觉也写了9000多字，希望文章能帮到有需要的你们，如果想要完整代码，关注公众号【离不开的网】发送“mps_js_cookie”即可，避免编写错误，建议你直接拷贝黏贴。