vscode调试js加密代码

Question

爬取url:https://finance.sina.com.cn/realstock/company/sh600835/nc.shtml
要求
js调试文件和怎么找到加密数据的截几张步骤
说明图，一起压缩发到这个邮箱，这个邮箱是[e-mail]

Answer 1

我估计你是理解错了，你需要的数据并不需要解密js，现在给一个解决方案，你可以直接用：
基本思路是：csv文件不存在则创建带表头的csv文件，然后读取成dadaframe数据，通过接口读取你需要的数据，解析后存到dadaframe中，其中我增加了时间判断，只有在开盘时间段内读取的数据才会存起来，如果时间过了下午3点，则停止程序，如果要读取多天数据，可以在第二天9点前再运行程序，数据格式参考表头设计。

import requests
import execjs
import pandas as pd
import os
import time
import numpy as np
from datetime import datetime as dt

filename = 'shjd.csv' #定义存储文件名称，建议每个时间段存为不同的名称，后期再合并，可以防止数据丢失
if not os.path.exists(filename): #判断文件是否存在，不存在则创建
    #创建df文件，添加表头
    df = pd.DataFrame(columns=['时间','成交价', 
                                '卖⑤(成交价)', '卖⑤(成交量)', 
                                '卖④(成交价)', '卖③(成交量)',
                                '卖③(成交价)', '卖②(成交量)',
                                '卖②(成交价)', '卖①(成交量)', 
                                '卖①(成交价)', '卖①(成交量)',
                                '买⑤(成交价)', '买⑤(成交量)',
                                '买④(成交价)', '买④(成交量)', 
                                '买③(成交价)', '买③(成交量)',
                                '买②(成交价)', '买②(成交量)', 
                                '买①(成交价)', '买①(成交量)'])
    df.index.name = '序号' #指定索引列名称
    df.to_csv(filename,encoding='GBK') #保存csv文件
df = pd.read_csv(filename,index_col='序号',encoding='GBK') #读取csv文件
index = df.index #读取索引
codes = "sh600835,sh600835_i,sh900925,RMBUSD,bk_new_jtys" #股票代码
headers = {'referer': 'http://finance.sina.com.cn'} #设置请求头
t = time.time() #计算当前时间
try:
    while True:
        resp = requests.get('http://hq.sinajs.cn/list=' + codes, headers=headers, timeout=6) #发送请求，获取数据
        data = resp.text #取返回数据的内容
        docjs = execjs.compile(data) #用execjs编译返回的js代码
        res = docjs.eval('hq_str_sh600835') #取js代码中的hq_str_sh600835变量数据
        infos = res.split(',') #分割数据
        datetime = infos[-4]+' '+infos[-3] #取时间数据组成数据时间
        #判断当前时间是否开盘
        if dt.strptime(infos[-4]+' 09:00:00', '%Y-%m-%d %H:%M:%S')<dt.now()<dt.strptime(infos[-4]+' 11:30:00', '%Y-%m-%d %H:%M:%S') or dt.strptime(infos[-4]+' 13:00:00', '%Y-%m-%d %H:%M:%S')<dt.now()<dt.strptime(infos[-4]+' 15:00:00', '%Y-%m-%d %H:%M:%S'):
            data = infos[-24:-4] #取买卖数据
            data = data[::-1] #反序
            data = [round(float(data[i]), 2) if i%2==0 else int(data[i])//100 for i in range(len(data))] #成交价保留两位小数，成交数量除以100
            row = np.hstack(([datetime, round(float(infos[7]),2)],data)) #把时间，成交数据，以及买卖数据组成一个数组
            df.loc[df.iloc[:,0].size] = row #在df数据中添加一行
            if time.time()-t>600: #每隔10分钟存一次数据
                df.to_csv(filename,encoding='GBK')
                t = time.time()
        time.sleep(3) #等待3秒
        if dt.now()>dt.strptime(infos[-4]+' 15:00:00', '%Y-%m-%d %H:%M:%S'): #如果时间到了下午15点以后，存储数据，并停止程序
            df.to_csv(filename,encoding='GBK')
            break
except: #如果中途停止程序或者程序出错，保存当前数据
    df.to_csv(filename,encoding='GBK')