Python有道翻譯爬蟲,破解反爬蟲機制,解決{"errorCode":50}錯誤

1、引言

參考網址:https://tendcode.com/article/youdao-spider/html

當前成功時間:2019-6-28java

本人使用環境:python

  • Python3.7 (Anaconda)
  • IDE:PyCharm
  • 系統:mac

2、具體操做

2.1 審查元素

(1)打開有道翻譯網址:http://fanyi.youdao.com/ ,右鍵空白處選擇「審查元素/檢查」,點擊「Network」,選擇「XHR」。jquery

在左側輸入要翻譯內容,好比說「你好」,網站會自動生成翻譯顯示在右側界面,並在XHR中多出一個translate_o文件,點擊「翻譯」按鈕,也會多出一個translate_o文件,不一樣之處在於Form Data中的action參數,前者爲FY_BY_REALTlME,後者是FY_BY_CLICKBUTTION,兩種方法皆可,本文之後者爲例。web

(2)須要記住的內容有:json

Request Headers(請求頭,只須要Cookie,Referer,User-Agent)cookie

Request URL(請求URL地址)app

Form Data(發送的數據)dom

Response(響應內容,可根據其格式取要顯示數據)ide

2.2 破解反爬蟲機制

在無爬蟲機制的狀況下,咱們能夠簡單的使用Form Data中的內容,以及Request Headers請求數據。

Form_Data = {
            'i': self.msg,
            'from': 'AUTO',
            'to': 'AUTO',
            'smartresult': 'dict',
            'client': 'fanyideskweb',
            'salt': '15616860238197',
            'sign': '67bf9a6f73b5fc6f3ecc7c14047403f8',
            'ts': '1561686023819',
            'bv': 'c6b8c998b2cbaa29bd94afc223bc106c',
            'doctype': 'json',
            'version': '2.1',
            'keyfrom': 'fanyi.web',
            'action': 'FY_BY_REALTlME'
        }

        response = requests.post(self.url, data=Form_Data, headers=headers).text
        translate_results = json.loads(response)

然而,返回結果倒是{"errorCode":50}。從Form Data中分析緣由得知,salt,sign,ts三個參數值是動態變化的,每次請求其值都不一樣,這代表網站對這三個參數做出了加密反爬蟲機制,若想取得數據,就必須先破解其加密機制。

觀察這幾個參數,猜想salt和ts參數與時間戳有關,具體使用了何種加密方式,還要去看網頁代碼元素。

右鍵,查看網頁源代碼,在html中並無找到對應參數,那麼就可能在js文件中,在網頁的最後一部分代碼,根據js文件的文件名,猜想這幾個參數的獲取方式可能在"fanyi.min.js"文件中。

打開該js文件,發現這個文件是處理過的 js,直接看是難以看出邏輯的,因此能夠把 js 代碼放到一些能夠從新排版的工具中再查看,如在線「站長工具」,最後能夠經過搜索「salt」找到幾個參數的生成位置,具體代碼片斷以下:

define("newweb/common/service", ["./utils", "./md5", "./jquery-1.7"],
function(e, t) {
    var n = e("./jquery-1.7");
    e("./utils");
    e("./md5");
    var r = function(e) {
        var t = n.md5(navigator.appVersion),
        r = "" + (new Date).getTime(),
        i = r + parseInt(10 * Math.random(), 10);
        return {
            ts: r,
            bv: t,
            salt: i,
            sign: n.md5("fanyideskweb" + e + i + "@6f#X3=cCuncYssPsuRUE")
        }
    };

從上述參數生成代碼中,可知:

(1)網站採用的是md5加密
(2)ts = "" + (new Date).getTime()  ,爲時間戳
(3)salt = "" + (new Date).getTime() + parseInt(10 * Math.random(), 10)
(4)sign = n.md5("fanyideskweb" + e + i + "@6f#X3=cCuncYssPsuRUE")
其中,e爲要翻譯內容,i爲時間戳,等於ts,其他爲固定字符串

明確參數獲取方式後,便可編寫python代碼,破解反爬蟲機制。

3、附錄代碼

import hashlib
import random
import time
import requests
import json

"""
向有道翻譯發送data,獲得翻譯結果
"""

class Youdao:
    def __init__(self, msg):
        self.msg = msg
        self.url = 'http://fanyi.youdao.com/translate_o?smartresult=dict&smartresult=rule'
        self.D = "@6f#X3=cCuncYssPsuRUE"
        self.salt = self.get_salt()
        self.sign = self.get_sign()
        self.ts = self.get_ts()

    def get_md(self, value):
        # md5加密
        m = hashlib.md5()
        # m.update(value)
        m.update(value.encode('utf-8'))
        return m.hexdigest()

    def get_salt(self):
        # 根據當前時間戳獲取salt參數
        s = int(time.time() * 1000) + random.randint(0, 10)
        return str(s)

    def get_sign(self):
        # 使用md5函數和其餘參數,獲得sign參數
        s = "fanyideskweb" + self.msg + self.salt + self.D
        return self.get_md(s)

    def get_ts(self):
        # 根據當前時間戳獲取ts參數
        s = int(time.time() * 1000)
        return str(s)

    def get_result(self):
        Form_Data = {
            'i': self.msg,
            'from': 'AUTO',
            'to': 'AUTO',
            'smartresult': 'dict',
            'client': 'fanyideskweb',
            'salt': self.salt,
            'sign': self.sign,
            'ts': self.ts,
            'bv': 'c6b8c998b2cbaa29bd94afc223bc106c',
            'doctype': 'json',
            'version': '2.1',
            'keyfrom': 'fanyi.web',
            'action': 'FY_BY_CLICKBUTTION'
        }

        headers = {
            'Cookie': 'OUTFOX_SEARCH_USER_ID=-368708839@10.108.160.18; JSESSIONID=aaaL2DMAbpTgg8Qpc2xUw; OUTFOX_SEARCH_USER_ID_NCOO=1451460344.418452; ___rl__test__cookies=1561684330987',
            'Referer': 'http://fanyi.youdao.com/',
            'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OSX10_14_2) AppleWebKit/537.36(KHTML, like Gecko) Chrome/75.0.3770.100 Safari/537.36'
        }
        response = requests.post(self.url, data=Form_Data, headers=headers).text
        translate_results = json.loads(response)
        # 找到翻譯結果
        if 'translateResult' in translate_results:
            translate_results = translate_results['translateResult'][0][0]['tgt']
            print("翻譯的結果是:%s" % translate_results)
        else:
            print(translate_results)


if __name__ == "__main__":
    y = Youdao('我成功啦')
    y.get_result()
相關文章
相關標籤/搜索