参考网址:
https://tendcode.com/article/youdao-spider/
https://my.oschina.net/u/4004713/blog/3067132
创作灵感来源于上面两篇文章, 本文是在上述文章的基础上做的更新
如果你看过上面的文章, 说明咱们是同道中人, 如果没有强烈推荐花10分钟时间去看一下, 原文对初学者受益匪浅
以下为代码, 关键地方添加了注释
import hashlib
import random
import re
import time
import requests
import json
from selenium import webdriver
"""
向有道翻译发送data,得到翻译结果
更新: 现在可以动态获取self.D 和 cookies
"""
class SeleniumGetCookies:
"""
通过selenium 动态获取cookies
以下代码不用完全搞懂, 直接复制使用即可
适用与大部分需要动态获取cookies的爬虫场景
"""
def __init__(self, url):
# url参数最适合的是网站的主页
options = webdriver.ChromeOptions()
options.add_argument('--headless') # 无界面模式
self.driver = webdriver.Chrome(executable_path='E:/chromedriver.exe', options=options)
self.driver.get(url)
def run(self):
cookie = [item["name"] + "=" + item["value"] for item in self.driver.get_cookies()]
cookie_str = ';'.join(item for item in cookie)
return cookie_str
def __del__(self):
self.driver.close()
class Youdao:
def __init__(self, msg):
self.msg = msg
self.url = 'http://fanyi.youdao.com/translate_o?smartresult=dict&smartresult=rule'
self.D = self.get_D()
self.ts = str(int(time.time() * 1000)) # 根据当前时间戳获取ts参数
self.salt = self.get_salt()
self.sign = self.get_sign()
self.referer_url = 'http://fanyi.youdao.com/'
# 获取参数的网站是有道翻译的主页
self.cookies = SeleniumGetCookies(self.referer_url).run()
def get_D(self):
# 访问JS代码的网址
resp = requests.get('http://shared.ydstatic.com/fanyi/newweb/v1.0.22/scripts/newweb/fanyi.min.js')
# 正则匹配出追加字符串, 例如 "n%A-rKaT5fb[Gy?;N5@Tj"
s = re.findall(r'"fanyideskweb".*?"(.*?)"', resp.text)[0]
return s
def get_md(self, value):
# md5加密
m = hashlib.md5()
m.update(value.encode('utf-8'))
return m.hexdigest()
def get_salt(self):
# 根据当前时间戳获取salt参数
s = self.ts + str(random.randint(0, 10))
return s
def get_sign(self):
# 使用md5函数和其他参数,得到sign参数
s = "fanyideskweb" + self.msg + self.salt + self.D
return self.get_md(s)
def get_result(self):
Form_Data = {
# 此处注释掉非必须参数
'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': self.cookies,
'Referer': self.referer_url,
'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)
# 找到翻译结果
if 'translateResult' in translate_results:
translate_results = translate_results['translateResult'][0][0]['tgt']
print("翻译的结果是:%s" % translate_results)
else:
print(translate_results)
if __name__ == "__main__":
y = Youdao('我做到了')
y.get_result()
这种动态的方式可以适用在有道翻译的页面逻辑不变的情况下, 但仍有许多不足, 辟如运行速度慢
有问题欢迎提出, 希望本篇文章能够起到抛砖引玉的效果