利用JavaScript提取网页与电子书中的CSS、JS、Flash及媒体资源

作者：马健

邮箱：stronghorse@tom.com

主页：http://stronghorse.yeah.net

版本：1.01

初始发布日期：2005.08.29

最后更新日期：2005.09.28

目录 一、前言 二、从E书或网页中获取文件的一般步骤 三、从E书或网页中获取链接进来的css文件 四、从E书或网页中获取链接进来的js文件 五、从E书或网页中获取Flash文件 六、从E书或网页中获取背景音乐文件 七、从E书中获取图像文件 八、进入frame页面 九、其它问题

前言

一、前言

近期常有人反馈，使用miniKillEBook等工具反编译电子书时，仅能提取HTML源码，无法获取嵌入的JavaScript、CSS、Flash动画及背景音乐等资源。实际上，只要掌握基本的JavaScript知识，即便仅使用已公开的CtrlN工具，提取这些资源也并非难事。

声明如下： 1、本文所述方法均基于JavaScript实现，因此操作略显繁琐，效果不如直接调用IE非公开接口的工具（如IECracker、KillEBook）直接。但这种平衡具有意义：对于希望通过反编译学习制作技巧的爱好者，使用JavaScript本身就是一种很好的实践；同时，由于该方法难以用于大规模批量反编译，电子书制作者无需过度担忧。我不会做这种杀鸡取蛋的事。 2、为便于操作，提供的JavaScript代码力求简单，URL分析由代码自动完成，用户只需掌握复制粘贴即可。但自动化存在局限，多数网页可成功处理，若遇特殊情况，仍需人工分析HTML源码。若遇到加密网页，可利用CtrlN的“HTML片段”功能进行解码。查找链接时，可使用搜索功能快速定位。 3、目前基于IE内核的电子书多通过自定义协议插件实现，各插件对JavaScript的支持程度不一，若代码在特定电子书上出错，属正常现象。 4、除反编译电子书外，这些代码在浏览普通网页时同样有用，例如抓取网页中的Flash文件。 5、所有代码均在Windows XP SP2环境下测试通过，其他环境未作测试，但推测IE版本不低于6.0即可运行。 6、所有代码均为原创，个人可免费使用。网站转载或商业牟利需事先获得授权。

获取文件的一般步骤

二、从E书或网页中获取文件的一般步骤

从电子书或普通网页中提取各类文件的步骤基本一致，区别仅在于需要输入的JavaScript代码不同：

1. 按下 Ctrl+N。此举旨在规避电子书或网页对快捷键的屏蔽限制。若确认快捷键未被禁用，可跳过此步，于第3步直接执行 Ctrl+N 操作。
2. 打开电子书或IE浏览器，进入包含需抓取资源（如CSS、JS、Flash等）的页面。注意：此处必须进入真正的页面，而非Frame框架。后续章节将介绍如何判断及进入Frame页面。
3. 将CtrlN的“快捷键行为”设置为“弹出新窗口”。随后，用鼠标点击欲抓取的网页任意位置，再按下Ctrl+N键。此时将弹出一个新的IE窗口，其内容与原页面相同，地址栏显示该页面的URL。
4. 在弹出的IE窗口中，根据需求将对应的JavaScript代码（后文提供）复制并粘贴至地址栏，按回车键执行。

对于IE 6，首次运行JavaScript代码时，地址栏下方可能会弹出黄色警告条，提示代码被阻止。点击该黄条，选择“允许阻止的内容”，然后重复步骤3和4，即可看到结果。

获取CSS文件

三、从E书或网页中获取链接进来的css文件

JavaScript本身提供了获取外部CSS文件内容的接口。因此，在执行一般步骤的第4步时，将以下代码复制并粘贴至IE地址栏，按回车即可看到内容：

javascript:str='';c=document.styleSheets;for(i=0;i<c.length;i++){o=c[i];if (o.href=='')continue;str+='========== ';str+=o.href;str+='<br><xmp>\n';str+=o.cssText;str+='</xmp><br><br>\n';};document.write(str);

若当前HTML页面未链接外部CSS文件，执行第4步后可能无反应或显示空白页，此时可检查页面HTML源码以确认。若页面链接了多个CSS文件，所有CSS内容均会显示，经IE排版后的格式可能与原始代码不同，但视觉效果完全一致。若仅显示CSS文件名而无内容，说明电子书未将该CSS打包进去。

对于某些电子书，也可尝试以下代码：

javascript:str='<HTML><HEAD><BASE HREF="';str+=document.URL;str+='"></HEAD><BODY><br>\n';c=document.styleSheets;for(i=0;i<c.length;i++){o=c[i];if (o.src=='')continue;str+='<a href="';str+=o.href;str+='">';str+=o.href;str+='</a><br>\n';};str+='</BODY></HTML>';document.write(str);

该代码自动检查网页，若嵌入CSS文件，则自动显示CSS文件的下载链接；否则显示空白页或无反应。在链接上点击鼠标右键，选择“目标另存为”菜单，即可将文件保存至硬盘。若无法保存，可将JS文件的URL复制至地址栏后按回车尝试。但若注册表项HKEY_CLASSES_ROOT\CSSfile\shell下存在open、edit等子项，获得的CSS代码将直接在指定程序中打开而非提示存盘。此方法适用范围不如直接显示法广，并非所有电子书均适用，但只要能用，获取的必是原汁原味的CSS代码。

获取JS文件

四、从E书或网页中获取链接进来的js文件

JavaScript未提供直接获取JS文件内容的接口，因此需先修改注册表：运行regedit，定位至HKEY_CLASSES_ROOT\.js，在其下增加两个字符串类型的值： Content Type＝application/x-javascript PerceivedType＝text 若修改时不确定，可参考HKEY_CLASSES_ROOT\.css的默认设置，二者仅Content Type值不同。注册表修改为一次性操作，完成后无需再动。

修改完成后，使用CtrlN抓取JS文件的步骤与前述一般步骤相同。在第4步中，将以下代码复制并粘贴至地址栏，按回车即可看到内容：

javascript:str='<HTML><HEAD><BASE HREF="';str+=document.URL;str+='"></HEAD><BODY><br>\n';c=document.scripts;for(i=0;i<c.length;i++){o=c[i];if (o.src=='')continue;str+='<a href="';str+=o.src;str+='">';str+=o.src;str+='</a><br>\n';};str+='</BODY></HTML>';document.write(str); 该代码自动检查网页，若嵌入JS文件，则自动显示JS文件的下载链接；否则显示空白页或无反应。在链接上点击鼠标右键，选择“目标另存为”菜单，或直接点击链接，即可将文件保存至硬盘。若无法保存，请先确认是否已按上述方法设置注册表；若仍不行，可将JS文件的URL复制至地址栏后按回车尝试。

值得注意的是，使用eBook Workshop制作的电子书（页面URL以ada99:开头），在地址栏输入JS文件URL后按回车，会直接显示JS文件内容及其执行结果，需点击“查看->源文件”菜单方可获得原始JS代码。不过此类电子书通常已使用unEbookWorkshop进行反编译。

获取Flash文件

五、从E书或网页中获取Flash文件

对于Flash这类嵌入对象文件，可直接下载。因此，在执行一般步骤的第4步时，将以下代码复制并粘贴至IE地址栏，按回车即可看到内容：

javascript:str='<HTML><HEAD><BASE HREF="';str+=document.URL;str+='"></HEAD><BODY><br>\n';c=document.all;for(i=0;i<c.length;i++){o=c[i];if(o.tagName!="OBJECT")continue;sih=o.innerHTML;nd=document.createDocumentFragment();nd.appendChild(document.createElement('<bod></body>'));nd.firstChild.outerHTML=sih;no=document.createElement(nd.firstChild.outerHTML);document.body.appendChild(no);str+='<a href="';str+=no.src;str+='">';str+=no.src;str+='</a><br>\n';};str+='</BODY></HTML>';document.write(str);

该代码自动检查网页，若嵌入Flash对象，则自动显示SWF文件的下载链接；否则显示空白页或无反应。在链接上点击鼠标右键，选择“目标另存为”，即可将文件保存至硬盘。若直接点击链接，则显示Flash画面。

常有人询问：“如何抓取网页上的精美Flash？”答案即如此简单。平时上网我也常用此代码抓取Flash，但需注意：若页面嵌套在Frame中，需突破Frame进入真实页面方可使用此代码。此外，该代码使用了createDocumentFragment方法，仅能在IE 6上运行。

目前还有一种极端的电子书：全书仅有一个网页，内嵌一个Flash文件作为目录。点击Flash中的链接，则跳转至其他Flash文件，即真正内容隐藏在一堆Flash文件中。对此类电子书，使用上述代码一次仅能抓取一个Flash，需逐步点击进入才能抓全。部分甚至需用flasm反编译已抓取的Flash文件运行脚本，再从脚本中找出其所链接的其他Flash文件名（笔者常卑鄙地直接搜索.swf），然后将文件名转为绝对URL，即可生成下载链接。例如已知某Flash文件的绝对URL为http://ebook/pic.swf，则可用以下代码单独下载此文件：

javascript:document.write('<a href="http://ebook/pic.swf">右键另存为</a>');

此方法每次需修改URL，虽比前述方法繁琐，但有时别无他法。顺带一提，flasm确是好工具，某些Flash文件在脚本中限制仅能在网络播放，不能从本地硬盘播放，也可用它去除此限制。

获取背景音乐文件

六、从E书或网页中获取背景音乐文件

背景音乐文件可像Flash一样直接下载。因此，在执行一般步骤的第4步时，将以下代码复制并粘贴至IE地址栏，按回车即可看到内容：

javascript:str='<HTML><HEAD><BASE HREF="';str+=document.URL;str+='"></HEAD><BODY><br>\n';c=document.all;for(i=0;i<c.length;i++){o=c[i];if(o.tagName!="BGSOUND")continue;str+='<a href="';str+=o.src;str+='">';str+=o.src;str+='</a><br>\n';};str+='</BODY></HTML>';document.write(str);

该代码自动检查网页，若嵌入背景音乐，则自动显示背景音乐的下载链接；否则显示空白页或无反应。在链接上点击鼠标右键，选择“目标另存为”，即可将文件保存至硬盘。

注意：背景音乐通常隐藏在Frame中（否则换页面时音乐会被打断）。若弹出的页面包含Frame而非真正包含背景音乐链接的页面，则无法抓取。此时需按后文所述步骤进入Frame中的页面。

另外，部分电子书为避免单调，会打包多个MIDI文件，每次运行时随机选择一个作为背景音乐。对此类电子书，使用上述代码仅能抓取当前背景音乐。若想抓取全部，需自行分析网页源代码，组合出所有背景音乐的URL，然后在地址栏输入生成下载链接的JavaScript代码后回车，一次下载一个。注意在下载链接上只能点右键后选“目标另存为”，不能直接点击链接。若实在无法分析网页源代码，只能多运行几次、多抓几次，正所谓“落后就要挨打”。示例：已知某音乐文件的绝对URL为http://ebook/1.mid，则生成下载链接的代码为： javascript:document.write('<a href="http://ebook/1.mid">右键另存为</a>');

获取图像文件

七、从E书中获取图像文件

在执行一般步骤的第4步时，将以下代码复制并粘贴至IE地址栏，按回车即可看到内容：

javascript:z=1;strUrl='';str='';function getImg(){if(strUrl!=''){str+=(z++);str+='. <IMG SRC="';str+=strUrl;str+='"><br><br>\n';};};c=document.images;for(i=0;i<c.length;i++){o=c[i];strUrl=o.src;getImg();};strUrl=document.body.background;getImg();c=document.all;for(i=0;i<c.length;i++){o=c[i];if(o.tagName=='TABLE'||o.tagName=='TD'){strUrl=o.background;getImg();};if(o.tagName=='AREA'){strUrl=o.href;getImg();};};document.write(str);

上述代码会将网页中所有可找到的图片顺序显示出来。若觉得图片过多不便查看，或某些小图片不清晰，也可使用以下代码显示图片链接，点击链接才显示图片：

javascript:z=1;strUrl='';str='';function getImg(){if(strUrl!=''){str+=(z++);str+='. <a href="';str+=strUrl;str+='">';str+=strUrl;str+='</a><br>\n';};};c=document.images;for(i=0;i<c.length;i++){o=c[i];strUrl=o.src;getImg();};strUrl=document.body.background;getImg();c=document.all;for(i=0;i<c.length;i++){o=c[i];if(o.tagName=='TABLE'||o.tagName=='TD'){strUrl=o.background;getImg();};if(o.tagName=='AREA'){strUrl=o.href;getImg();};};document.write(str);

受代码限制，隐藏在页面JS、CSS代码中的图片无法用上述两段代码抓取，此时需手工分析HTML代码，在地址栏直接输入图片的绝对URL后回车，亦可显示图片。

另外，由于JavaScript协议插件的能力限制，上述两段代码均未剔除重复链接。因此，若用这两段代码抓取BBS页面图片，看到大量相同图片时请勿诧异。

在图片或链接显示出来后，仅极少数电子书中的图片可直接另存为原始格式，绝大多数只能获取解码为Bitmap后的图片。方法为：在图片上（注意是图片，非链接，链接需点进去显示图片）点击鼠标右键，选择“图片另存为”菜单，即可将图片保存为BMP文件，文件名默认为“无标题.bmp”，需手工改名。若URL指定的文件非BMP，而是JPG、GIF或PNG等，则还需使用ACDSee等软件将保存下来的BMP转换为所需格式。JPG尚可处理，GIF、PNG的透明色需手工处理，动画GIF则无需考虑。

注意：若仅对文件改名而未进行格式转换，在IE中将无法显示图片。

平时上网时，也可用上述代码抓取所浏览网页的背景图片，此时选“图片另存为”，一般均可保存为原始格式。

从上述叙述可见，在不使用IE内部接口的情况下，抓取图片可能是最繁琐但效果最差的苦差事。记得当年我因此一怒之下开始咬牙分析IE内核源代码，幸好最终获得回报。不知看完上述说明后，是否有人血性大发，也走上我当年的路？嘿嘿嘿……

进入Frame页面

八、进入frame页面

前文提供的所有JavaScript代码均针对当前页面，即只有当前页面真正包含音乐文件、Flash文件，才能抓取所需文件。若是Frame，则必须进入Frame中的页面，方可抓取。

检测当前页面是否为Frame，最简单的方法是按前述一般步骤操作，然后在第4步中，将以下代码复制并粘贴至地址栏，按回车：

javascript:str='<HTML><HEAD><BASE HREF="';str+=document.URL;str+='"></HEAD><BODY><br>\n';c=document.all;for(i=0;i<c.length;i++){o=c[i];if(o.tagName!='IFRAME'&&o.tagName!='FRAME')continue;str+=o.tagName;str+=' : <a href="';str+=o.src;str+='">';if(o.name=='')str+=o.src;else str+=o.name;str+='</a><br>\n';};str+='</BODY></HTML>';document.write(str);

该代码自动检查网页，若嵌入Frame（包括iframe），则自动显示Frame中的页面链接；否则显示空白页或无反应。直接点击链接，即可进入相应页面。

为保证通用性，上述代码仅对第一层Frame进行检查，这对iframe而言问题不大，因为正常人不会去玩嵌套iframe；但对于普通Frame，嵌套可能性较大，而上述代码需层层点击进入嵌套Frame，略显繁琐。解决办法是：若用上述代码显示的全是FRAME，没有IFRAME，则可用以下代码显示全部嵌套Frame：

javascript:str='';function getFrame(c,i,j){for(i=0;i<c.length;i++){o=c[i];for(k=0;k<j;k++)str+='&nbsp;&nbsp;';str+='<a href="';str+=o.location;str+='">';if(o.name!='')str+=o.name;else str+=o.location;str+='</a><br>\n';no=o.document.frames;if(no.length>0)getFrame(no,0,j+1)};};getFrame(document.frames,0,0);document.write(str);

该代码自动检查网页，显示嵌套Frame中所有页面的链接及嵌套关系；无Frame则显示空白页或无反应。直接点击链接，即可进入相应页面。注意若页面含iframe，上述代码可能会出错，故需先用第一段代码检查是否有iframe。

若网页采用JS代码对Frame进行检测，导致网页无法脱离Frame运行，为获取嵌入Frame页面中的内容，可在用上述代码显示Frame页面链接后，直接在页面链接上点击鼠标右键选“目标另存为”，保存HTML代码后再手工编辑或使用TextForever等工具辅助编辑。

miniKillEBook v1.04以前的版本存在疏忽：仅处理FRAME，未处理IFRAME，因此在部分人中流传一种说法：将网页嵌入IFRAME即可避免被miniKillEBook反编译。在v1.04发布后，此说法仅能成为传说。

其它问题

九、其它问题

问：若按下Ctrl+N键后，弹出的IE窗口没有菜单、地址栏，怎么办？ 答：从CtrlN ver 1.03开始，提供一个可打开/关闭的“高级界面”，通过其中的“Script命令”功能，可直接将欲执行的JavaScript代码推送到IE窗口中执行，无需在地址栏输入。

问：若E书启动后禁止Windows的复制、粘贴功能，上述JS代码过长，不想逐字符敲击，怎么办？ 答：从CtrlN ver 1.03开始，提供一个可打开/关闭的“高级界面”，通过其中的“Script命令”功能，可直接将欲执行的JavaScript代码或URL推送到IE窗口中执行，无需在地址栏输入。若编写了自己的JavaScript代码，也可将其添加至CtrlN.spt文件（纯文本文件）中，以便日后在Script命令选择窗口中直接选择。

附录 版本更新记录

Version 1.01 按照CtrlN ver 1.03的新增功能，对文档进行了修订。