爬取网易云音乐的评论后，竟有这种发现！

最新推荐文章于 2024-09-15 16:34:21 发布

CSDN资讯

最新推荐文章于 2024-09-15 16:34:21 发布

阅读量6.8k

点赞数 4

640?wx_fmt=gif

640?wx_fmt=jpeg

作者 | 志颖

责编 | 胡巍巍

用过网易云音乐听歌的朋友都知道，网易云音乐每首歌曲后面都有很多评论，热门歌曲的评论更是接近百万或者是超过百万条。

现在笔者就来分享一下如何爬取网易云音乐歌曲的全部评论，由于网易云音乐的评论都做了混淆加密处理，因此我们需要深入了解它的加密过程之后，才能爬取到网易云音乐歌曲的全部评论。

首先分析数据的请求方式

网易云音乐歌曲页面的URL形式为https://music。163。com/#/song?id=歌曲ID号，这里我用Delacey的Dream it possible 为例进行讲解，它的URL为https://music。163。com/#/song?id=38592976。接下来开始分析数据的请求方式。

由于网易云音乐的评论是通过Ajax传输，我们打开浏览器的开发者工具(检查元素)，选中控制面板中的Network，再点击XHR（捕获AJAX数据），然后点击左上角的重新加载，会看到下面图片中的数据请求列表。

640?wx_fmt=png

点击R_SO_4_38592976?csrf_token=cdee144903c5a32e6752f50180329fc9这一行，再点击Preview。

640?wx_fmt=png

现我们所需要的数据就在这JSON格式的数据中，其中Comments中是第一页的全部评论，一共20条，Hot Comments是精彩评论一共有15条，每首歌曲只有第一页评论才有精彩评论。接着看一下它的请求头，点击Headers。

640?wx_fmt=png

我们发现的它是个Post请求，向下滑你会发现这个Post请求还带有数据。

640?wx_fmt=png

这些数据都是经过加密处理的，因此我们需要分析它的加密过程来生成相应的参数，然后把加密后的参数加到Post请求中才能获取到我们需要的评论数据。

分析加密过程

通过断点调试发现params和encSecKey是由JS脚本中的Window.asrsea()函数生成的。

640?wx_fmt=png

我们发现Window.asrsea()函数有4个参数，在浏览器的JS控制台分别对这四个参数进行调试：

640?wx_fmt=png

后面三个参数是定值，只有第一个参数是控制评论页面偏移量的参数，它是一个变量。笔者经过分析发现第一个参数的形式是：

{"rid":"R_SO_4_38592976","offset":"0","total":"True","limit":"20","csrf_token":""}

下面我来详细讲解这个变量的发现过程：

首先找到core_dfe56728795d119e4d476fd09ea2dc51。JS这个JS脚本，然后将断点打在第12973行，点击第一页评论，页面加载到断点处便停止了。

640?wx_fmt=png

然后按下电脑的Esc键打开JS控制台，输入i1x，查看第一个变量：

640?wx_fmt=png

这是第一页的i1x的值，接下来看第二页的（需要点击第2页，然后输入i1x的值）：

640?wx_fmt=png

再看第3页：

640?wx_fmt=png

再看第4页：

640?wx_fmt=png

通过这几页的分析，我们可以得到i1x值的变化规律，且可以得到它的一般形式：

{"rid":"R_SO_4_38592976","offset":"0","total":"True","limit":"20","csrf_token":""}

offset和limit是必选参数，其他参数是可选的，其他参数不影响data数据的生成，offset (页面偏移量) = (页数-1) * 20，注意limit最大值为100，当设为100时，获取第二页时，默认前一页是20个评论，也就是说第二页最新评论有80个，有20个是第一页显示的。因此我们可以构造第一个参数为：

# 偏移量,page是页数
offset = (page-1) * 20
msg = '{"offset":' + str(offset) + ',"total":"True","limit":"20","csrf_token":""}'

接下来，我们来看一下window.asrsea()函数的整个加密过程：

window.asrsea()函数就是上面的d函数，现在我们来看函数d：

function d(d, e, f, g) {
        var h = {}
          , i = a(16);
        return h.encText = b(d, g),   // 第一次AES加密
        h.encText = b(h.encText, i),    // 第二次AES加密
        h.encSecKey = c(i, e, f),    // RSA加密
        h
    }

参数h。encText是经过两次AES加密得到的，h。encSecKey是经过一次RSA加密得到的，其中i是随机生成的长度为16的随机字符串。

生成加密参数

首先我们需要生成长度为16的随机字符串，这里我们仿照上面的javascript的实现，用Python生成16位长的随机字符串：

# 生成随机字符串
def generate_random_strs(length):
    string = "abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789"
    # 控制次数参数i
    i = 0
    # 初始化随机字符串
    random_strs  = ""
    while i < length:
        e = random.random() * len(string)
        # 向下取整
        e = math.floor(e)
        random_strs = random_strs + list(string)[e]
        i = i + 1
    return random_strs

接着用Python实现AES加密，这里要用到PyCrypto库，先安装好这个库：

pip install pycrypto

然后导入加密模块：

from Crypto.Cipher import AES

由于AES加密的明文长度必须是16的倍数，因此我们需要对明文进行必要的填充，以满足它的长度是16的倍数：

# msg是需要加密的明文,如果不是16的倍数则进行填充(paddiing)
padding = 16 - len(msg) % 16
# 这里使用padding对应的单字符进行填充
msg = msg + padding * chr(padding)

AES加密的模式是AES。MODE_CBC，初始化向量iv=’0102030405060708′，具体的AES加密：

# AES加密
def AESencrypt(msg, key):
    # 如果不是16的倍数则进行填充(paddiing)
    padding = 16 - len(msg) % 16
    # 这里使用padding对应的单字符进行填充
    msg = msg + padding * chr(padding)
    # 用来加密或者解密的初始向量(必须是16位)
    iv = '0102030405060708'

    cipher = AES.new(key, AES.MODE_CBC, iv)
    # 加密后得到的是bytes类型的数据
    encryptedbytes = cipher.encrypt(msg)
    # 使用Base64进行编码,返回byte字符串
    encodestrs = base64.b64encode(encryptedbytes)
    # 对byte字符串按utf-8进行解码
    enctext = encodestrs.decode('utf-8')

    return enctext

然后是RSA加密。首先我简单介绍一下RSA的加密过程。在RSA中，明文，密钥和密文都是数字。RSA的加密过程可以用下列的公式来表达，这个公式非常的重要，你只有理解了这个公式，才能用Python实现RSA加密。

密文 = 明文E mod N (RSA加密)

RSA的密文是对代表明文的数字的E次方求mod N的结果，通俗地讲就是将明文和自己做E次乘法，然后将其结果除以N求余数，这个余数就是密文。

下面来看具体的RSA加密代码实现：

# RSA加密
def RSAencrypt(randomstrs, key, f):
    # 随机字符串逆序排列
    string = randomstrs[::-1]
    # 将随机字符串转换成byte类型数据
    text = bytes(string, 'utf-8')
    seckey = int(codecs.encode(text, encoding='hex'), 16)**int(key, 16) % int(f, 16)
    # 返回整数的小写十六进制形式
    return format(seckey, 'x').zfill(256)

RSA加密后得到的字符串长为256，如果不够长则进行填充(不足部分在左侧添0)。

最后就是获取那两个加密参数：

# 获取参数
def get_params(page):
    # msg也可以写成msg = {"offset":"页面偏移量=(页数-1) *　20", "limit":"20"},offset和limit这两个参数必须有(js)
    # limit最大值为100,当设为100时,获取第二页时,默认前一页是20个评论,也就是说第二页最新评论有80个,有20个是第一页显示的
    # 偏移量
    offset = (page-1) * 20
    # offset和limit是必选参数,其他参数是可选的,其他参数不影响data数据的生成,最好还是保留
    msg = '{"offset":' + str(offset) + ',"total":"True","limit":"20","csrf_token":""}'
    key = '0CoJUm6Qyw8W8jud'
    f = '00e0b509f6259df8642dbc35662901477df22677ec152b5ff68ace615bb7b725152b3ab17a876aea8a5aa76d2e417629ec4ee341f56135fccf695280104e0312ecbda92557c93870114af6c9d05c4f7f0c3685b7a46bee255932575cce10b424d813cfe4875d3e82047b97ddef52741d546b8e289dc6935b3ece0462db0a22b8e7'
    e = '010001'
    enctext = AESencrypt(msg, key)
    # 生成长度为16的随机字符串
    i = generate_random_strs(16)

    # 两次AES加密之后得到params的值
    encText = AESencrypt(enctext, i)
    # RSA加密之后得到encSecKey的值
    encSecKey = RSAencrypt(i, e, f)
    return encText, encSecKey