怎么用python3 urllib破解有道翻譯反爬蟲機制

這篇文章給大家分享的是有關怎么用python3 urllib破解有道翻譯反爬蟲機制的內容。小編覺得挺實用的，因此分享給大家做個參考，一起跟隨小編過來看看吧。

Python的優點有哪些

1、簡單易用，與C/C++、Java、C# 等傳統語言相比，Python對代碼格式的要求沒有那么嚴格；2、Python屬于開源的，所有人都可以看到源代碼，并且可以被移植在許多平臺上使用；3、Python面向對象，能夠支持面向過程編程,也支持面向對象編程；4、Python是一種解釋性語言，Python寫的程序不需要編譯成二進制代碼，可以直接從源代碼運行程序；5、Python功能強大，擁有的模塊眾多，基本能夠實現所有的常見功能。

前言

最近在學習python 爬蟲方面的知識，網上有一博客專欄專門寫爬蟲方面的，看到用urllib請求有道翻譯接口獲取翻譯結果。發現接口變化很大，用md5加了密，于是自己開始破解。加上網上的其他文章找源碼方式并不是通用的，所有重新寫一篇記錄下。

爬取條件

要實現爬取的目標，首先要知道它的地址，請求參數，請求頭，響應結果。

進行抓包分析

打開有道翻譯的鏈接：http://fanyi.youdao.com/。然后在按f12 點擊Network項。這時候就來到了網絡監聽窗口，在這個頁面中發送的所有網絡請求，都會在Network這個地方顯示出來，如果是空白的，點擊XHR。接著我們在翻譯的窗口輸入我們需要翻譯的文字，比如輸入hell。然后點擊自動翻譯按鈕，那么接下來在下面就可以看到瀏覽器給有道發送的請求，這里截個圖看看：

點擊鏈接，就可以看到整個請求的信息。包括請求頭，請求參數，響應結果。

這里面有一個問題就是參數進行了加密。我們需要知道這些參數是如何加密的。

破解加密難題

要想知道如何加密的，需要查看源碼。于是我們需要知道發起這個請求的js文件。在文件查找這個相關代碼。剛才我們監聽了網絡請求，可以看到發起請求的js文件。那么接下來查找發起請求的鏈路，鼠標浮到請求文件上，顯示了一系列執行方法，我們點擊跟業務相關的那個方法對應的文件鏈接，這里是t.translate 對應的連接。

點擊進入查看對應的源碼

我們可以看到i,salt,sign是變量，其他的請求參數是常量。i是需要翻譯的字符串，salt是時間戳生成的13位，sign是S+n+r+D
也就S是client的值，也就是fanyideskweb. 我們查找D 這個常量，在底欄輸入框輸入 D = （空格D空格=空格；格式化后的代碼規范）點擊右邊的Aa讓搜索時大小寫敏感。回車查找到下一個，直到找到對應的值。

在上圖我們看到了_,C，S,D等常量。

于是你以為構建一個請求，傳好這些參數就ok了。別忘了，為了反爬蟲，都是會校驗請求頭。于是要模擬瀏覽器的請求頭。經過驗證只需要User-Agent，Referer，Cookie 三個請求頭。

實現代碼：

# -*- coding: utf-8 -*-
from urllib import request,parse
import json
import time
from hashlib import md5
'''
def dicToSortedStrParam(dic={}):
  keyList = sorted(dic)
  str =""
  for i,key in enumerate(keyList):
    if i==len(keyList)-1:
      str += key +"="+ dic[key]
    else:
      str += key +"="+ dic[key] + "&"
    pass
  return str
'''


def create_md5(data):
  md5_obj = md5()
  md5_obj.update(data.encode("utf-8"))
  return md5_obj.hexdigest()

if __name__ == "__main__":
  request_url = "http://fanyi.youdao.com/translate_o?smartresult=dict&smartresult=rule"
  translate = "hell"
  c = "fanyideskweb"
  data = {}
  data["i"] = translate
  data["from"] = "AUTO"
  data["to"] = "AUTO"
  data["smartresult"] = "dict"
  data["client"] = c
  data["doctype"] = "json"
  data["version"] = "2.1"
  data["keyfrom"] = "fanyi.web"
  data["action"] = "FY_BY_REALTIME"
  data["typoResult"] = "false"
  salt = str(int(round(time.time(),3)*1000))
  # 加密
  data["salt"] = salt
  # a = "rY0D^0'nM0}g5Mm1z%1G4"  網上別人的 也可以
  a = "ebSeFb%=XZ%T[KZ)c(sy!"
  sign = create_md5(c+translate+salt+a)
  data["sign"] = sign
  headers = {}
  headers["User-Agent"] = "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36"
  # headers["Content-Type"] = "application/x-www-form-urlencoded; charset=UTF-8"
  headers["Referer"] = "http://fanyi.youdao.com/"
  # headers["Host"] = "fanyi.youdao.com"
  # headers["Origin"]="http://fanyi.youdao.com"
  headers["Cookie"]="OUTFOX_SEARCH_USER_ID=-948455480@10.169.0.83; " \
           "JSESSIONID=aaajvZPcjhFWbgtIBPuiw; " \
           "OUTFOX_SEARCH_USER_ID_NCOO=1148682548.6241577;" \
           " fanyi-ad-id=41685; fanyi-ad-closed=1; ___rl__test__cookies="+salt

  data = parse.urlencode(data).encode('utf-8')
  request1 = request.Request(request_url,data,headers = headers)

  response = request.urlopen(request1)
  print(response.info())
  #讀取信息并解碼
  html = response.read().decode('utf-8')
  print(html)
  #使用JSON
  translate_results = json.loads(html)
  # 找到翻譯結果
  translate_results = translate_results['translateResult'][0][0]['tgt']
  # 打印翻譯信息
  print("翻譯的結果是：%s" % translate_results)

翻譯結果：

{"translateResult":[[{"tgt":"地獄","src":"hell"}]],"errorCode":0,"type":"en2zh-CHS","smartResult":{"entries":["","n. 地獄；究竟（作加強語氣詞）；訓斥；黑暗勢力\r\n","vi. 過放蕩生活；飛馳\r\n","int. 該死；見鬼（表示驚奇、煩惱、厭惡、惱怒、失望等）\r\n"],"type":1}}
翻譯的結果是：地獄

感謝各位的閱讀！關于“怎么用python3 urllib破解有道翻譯反爬蟲機制”這篇文章就分享到這里了，希望以上內容可以對大家有一定的幫助，讓大家可以學到更多知識，如果覺得文章不錯，可以把它分享出去讓更多的人看到吧！