Python爬虫破解有道翻译

有道翻译是以异步方式实现数据加载的，要实现对此类网站的数据抓取，其过程相对繁琐，本节我以有道翻译为例进行详细讲解。

上一节《浏览器实现抓包过程详解》，通过控制台抓包，我们得知了 POST 请求的参数以及相应的参数值，如下所示：

并发现以下了规律：salt、sign、lts 总是变化的，而 bv 等其他参数是不变化的。其中 lts 代表毫秒时间戳，salt 和 lts 之间存在着某种关联，因为两者只有一个数字是不同的；而 sign 对应的值是一个加密后的字符串。

如果想要实现实时地抓取翻译结果，就需要将 salt 和 sign 转换为 用 Python 代码表示的固定形式。将所有参数放入到 requests.post() 中，如下所示：

response = requests.post(url,data=data,headers=headers)

其中 data 是字典格式参数，它用来构建 POST 请求方法的参数和参数值。

JS代码slat与sign

 salt、sign 加密有两种实现方式：一种是通过前端 JS 实现，另一种是后台服务器生成加密串，并在返回响应信息时，将加密信息交给接浏览器客户端。但是，通过预览响应信息可知，并没有涉及 salt、sign 的信息，因此可以排除这种方法。

那么要如何找到关于salt、sign 的 JS 代码呢？此时就要用到另外一个调试工具选项卡—— JS。如下图所示：

点击上图所示的搜索按钮来检索 JS 代码，输入 "salt"，结果如图所示：

或者您也可以使用 Sources 选项卡将 fanyi.min.js 文件中的 JS 代码格式化输出，并使用 Ctrl+F 找到相应的 "salt" 位置，如下图所示：

提示：将所有 JS 代码 copy 下来，通过站长工具也可以实现格式化输出。

通过上述方法就找到了 salt 与 sign（两个参数项是在一起的）JS 代码，如下所示：

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 + "Tbh5E8=q6U3EXe+&L[4c@")
}
};

注意，找到上述代码是解决本节问题的关键，大家一定要要掌握方法。

Python代码表示参数

通过上述 JS 代码的简单分析可知： r 变量等同于 lts，salt 变量等同于 i，而 sign 是一个经过 md5 加密的字符串。接下来使用 Python 代码来表示上述参数，如下所示：

#lts毫秒时间戳
str(int(time.time()*1000))
#salt， lts+从0-9的随机数
lts+str(random.randint(0,9))
#sign加密字符串
from hashlib import md5
#word为要翻译的单词等同于js代码中的"e"
string = "fanyideskweb" + word + salt + "Tbh5E8=q6U3EXe+&L[4c@"
s = md5()
#md5的加密串必须为字节码
s.update(string.encode())
#16进制加密
sign = s.hexdigest()

完整程序实现

完整代码如下所示：

#coding:utf8
import random
import time
from hashlib import md5
import requests
class YoudaoSpider(object):
    def __init__(self):
        # url一定要写抓包时抓到的POST请求的提交地址，但是还需要去掉 url中的“_o”，
# “_o”这是一种url反爬策略，做了页面跳转，若直接访问会返回{"errorCode":50}
        self.url='http://fanyi.youd网站站点" rel="nofollow"  /> 
请输入要翻译的单词：大家好，这里是C语言中文网Python爬虫教程
lts，salt，sign 输出结果：
 16164720920902 fcc592626aee42e1067c5195cf4c4576
html 响应内容:
{'type': 'ZH_CN2EN', 'errorCode': 0, 'elapsedTime': 25, 'translateResult': [[{'src': '大家好，这里是C语言中文网Python爬虫教程', 'tgt': 'Everybody is good, here is the Chinese Python crawler C language tutorial'}]]}
翻译结果: Everybody is good, here is the Chinese Python crawler C language tutorial