Python3爬取有道翻译的两种方法

最新推荐文章于 2024-08-06 11:55:39 发布
最新推荐文章于 2024-08-06 11:55:39 发布
阅读量4.2k 收藏 29
点赞数 10
分类专栏： Pythom爬虫 Python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/mr_blued/article/details/90581634
版权

一. 破解参数加密

有道翻译的请求是post，携带一系列参数，直接F12刷新进行调试，如下图所示：

这是一个 post 请求，目标网址是

'http://fanyi.youdao.com/translate_o?smartresult=dict&smartresult=rule'

接下来让我们看看发送该请求需要携带哪些参数

如图所示，红色方框里的就是需要携带的参数了。

最后看一看返回的数据

显而易见，返回的数据是json格式的数据。

好了，现在我们可以写程序进行爬取了

# -*-coding:utf-8-*-

__Author__ = "Mr.D"
__Date__ = '2019\5\26 0026 16:50'


from faker import Faker
import requests


ua = Faker().user_agent()
url = 'http://fanyi.youdao.com/translate_o?smartresult=dict&smartresult=rule'


key = input("请输入你需要翻译的内容: ")


# 请求头
headers = {
    'User-Agent': ua,
    'Host': 'fanyi.youdao.com',
    'Origin': 'http://fanyi.youdao.com',
    'Referer': 'http://fanyi.youdao.com/',
}


# post请求携带的参数
from_data = {
    'i': key,
    'from': 'UTO',
    'to': 'UTO',
    'smartresult': 'dict',
    'client': 'fanyideskweb',
    'salt': 15588802331547,
    'sign': 3e91f2d8788201c03bfa0a672b116998,
    'ts': 1558880233154,
    'bv': '5504a5c7c19867a06038cf79d29f756a',
    'doctype': 'json',
    'version': '2.1',
    'keyfrom': 'fanyi.web',
    'action': 'FY_BY_REALTlME'
}


response = requests.post(url, headers=headers, data=from_data).json()
print(response)
print(response['translateResult'][0][0]['tgt'])

运行后发现报错了，"{errorCode: 50}"

什么原因呢？ 让我们分析一下。

可以自己 重新来翻译一下  "问题" 这个词，然后在看一次此次 post 请求与上一次 post 请求有什么不同之处。

经过调试，我发现 from_data 中的参数有几个是发生了变化的，分别是 "salt"，"sign"，"ts"，那么这几个参数是怎么生存的呢？

经过寻找，发现它们的生存规律在 "http://shared.ydstatic.com/fanyi/newweb/v1.0.17/scripts/newweb/fanyi.min.js" 这个  js 文件中，经过 json 格式化工具（百度）格式化之后，定位到具体的参数生成位置，

// e 为下面 r(t) 中的 t ，即我们所需要翻译的内容
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 + "n%A-rKaT5fb[Gy?;N5@Tj")
			}
		};
		t.recordUpdate = function(e) {
            // 将我们所要翻译的内容赋值给 t 
			var t = e.i,
                // 将 t 当作参数传入 r() 函数中，返回值赋给 i 
				i = r(t);
			n.ajax({
				type: "POST",
				contentType: "application/x-www-form-urlencoded; charset=UTF-8",
				url: "/bettertranslation",
                // 这里可以看出 data 就是我们post请求携带的参数字典
				data: {
                    // e.i 就是我们所要翻译的内容
					i: e.i,
					client: "fanyideskweb",
					salt: i.salt,
					sign: i.sign,
					ts: i.ts,
					bv: i.bv,
					tgt: e.tgt,
					modifiedTgt: e.modifiedTgt,
					from: e.from,
					to: e.to
				},
				success: function(e) {},
				error: function(e) {}
			})
		}

从上述代码中，我们可以得出四个参数的信息： ts，bv，salt，sign，他们分别为

ts: "" + (new Date).getTime(),
bv: n.md5(navigator.appVersion),
salt: ts + parseInt(10 * Math.random(), 10),
// e为所需要翻译的字符串, i 即salt
sign: n.md5("fanyideskweb" + e + salt + "n%A-rKaT5fb[Gy?;N5@Tj")

分析一波：

bv 是对  navigator.appVersion（这是个浏览器参数，不是字符串"navigator.appVersion"）进行 md5 加密，在相同的浏览器下，这个值是固定的（没测试过），所以直接拿F12调试出来的来用就好了。

ts 是时间戳

salt 是 ts 加上一个 0 到 10 的随机数（包括0，不包括10）

sign 是对 "fanyideskweb" + e + salt + "n%A-rKaT5fb[Gy?;N5@Tj" （这个字符串是会更新的，在js文件里可以找到）这个字符串进行 md5 加密

好了，知道以上信息，我们可以进一步完善我们的代码了，如下图：

# -*-coding:utf-8-*-

__Author__ = "Mr.D"
__Date__ = '2019\5\26 0026 16:50'


import time
from faker import Faker
import random
import hashlib
import requests


ua = Faker().user_agent()
url = 'http://fanyi.youdao.com/translate_o?smartresult=dict&smartresult=rule'


key = input("请输入你需要翻译的内容: ")

//生成时间戳 ts
ts = str(time.time() * 1000)

// 通过 ts 加 0-10的随机整数字符生成 salt
salt = ts + str(random.randint(0, 10))
the_str = "fanyideskweb" + key + salt + "n%A-rKaT5fb[Gy?;N5@Tj"

// md5加密生成 sign
md5 = hashlib.md5()
md5.update(the_str.encode('utf-8'))
sign = md5.hexdigest()


headers = {
  
    'User-Agent': ua,
    'Host': 'fanyi.youdao.com',
    'Origin': 'http://fanyi.youdao.com',
    'Referer': 'http://fanyi.youdao.com/',
   }


from_data = {
    'i': key,
    'from': 'UTO',
    'to': 'UTO',
    'smartresult': 'dict',
    'client': 'fanyideskweb',
    'salt': salt,
    'sign': sign,
    'ts': ts,
    'bv': '5504a5c7c19867a06038cf79d29f756a',
    'doctype': 'json',
    'version': '2.1',
    'keyfrom': 'fanyi.web',
    'action': 'FY_BY_REALTlME'
}


response = requests.post(url, headers=headers, data=from_data).json()
print(response)
print(response['translateResult'][0][0]['tgt'])

完成之后再次爬取，发现还是报一样的错误。

纳尼！！ 再三检查代码，没有发现有写错任何地方啊

既然  from_data 没有写错，那么问题可能是出现在了 headers 上了

经过调试，发现每次 headers 都会携带 cookie ，而且 cookie 的值每次都不一样

'Cookie': 'OUTFOX_SEARCH_USER_ID=559238864@10.168.8.61; OUTFOX_SEARCH_USER_ID_NCOO=2061523511.1027195; _ga=GA1.2.1151109878.1551536968; _ntes_nnid=24fe647fc20f952c4040b25650f75604,1553001083850; JSESSIONID=aaaJIa27BLmlI96aStZRw; ___rl__test__cookies=1558881656766'

不一样的地方在于最后的那个 "__rl__test__cookies=" 后面的字符串不一样，然后去找到它是怎么生成的，最后终于在

"http://shared.ydstatic.com/js/rlog/v1.js" 这个js文件中找到了它

原来它也是时间戳，怪不得看起来有点像

继续完善代码

# -*-coding:utf-8-*-

__Author__ = "Mr.D"
__Date__ = '2019\5\26 0026 16:50'


import time
from faker import Faker
import random
import hashlib
import requests


ua = Faker().user_agent()
url = 'http://fanyi.youdao.com/translate_o?smartresult=dict&smartresult=rule'


key = input("请输入你需要翻译的内容: ")

//生成时间戳 ts
ts = str(time.time() * 1000)

// 通过 ts 加 0-10的随机整数字符生成 salt
salt = ts + str(random.randint(0, 10))
the_str = "fanyideskweb" + key + salt + "@6f#X3=cCuncYssPsuRUE"

// md5加密生成 sign
md5 = hashlib.md5()
md5.update(the_str.encode('utf-8'))
sign = md5.hexdigest()


headers = {
    'User-Agent': ua,
    'Host': 'fanyi.youdao.com',
    'Origin': 'http://fanyi.youdao.com',
    'Referer': 'http://fanyi.youdao.com/',
    'Cookie': 'OUTFOX_SEARCH_USER_ID=559238864@10.168.8.61; OUTFOX_SEARCH_USER_ID_NCOO=2061523511.1027195; _ga=GA1.2.1151109878.1551536968; _ntes_nnid=24fe647fc20f952c4040b25650f75604,1553001083850; JSESSIONID=aaaJIa27BLmlI96aStZRw; ___rl__test__cookies=' + ts
}

from_data = {
    'i': key,
    'from': 'UTO',
    'to': 'UTO',
    'smartresult': 'dict',
    'client': 'fanyideskweb',
    'salt': salt,
    'sign': sign,
    'ts': ts,
    'bv': '5504a5c7c19867a06038cf79d29f756a',
    'doctype': 'json',
    'version': '2.1',
    'keyfrom': 'fanyi.web',
    'action': 'FY_BY_REALTlME'
}


response = requests.post(url, headers=headers, data=from_data).json()
print(response)
print(response['translateResult'][0][0]['tgt'])

好了，让我们运行代码看看

大功告成。

附使用 urllib 库的代码
 

# -*-coding:utf-8-*-

__Author__ = "Mr.D"
__Date__ = '2019\5\26 0026 18:07'

import urllib.request
import urllib.parse
import json
import time
import random
import hashlib
from faker import Faker


url = 'http://fanyi.youdao.com/translate_o?smartresult=dict&smartresult=rule'
ua = Faker().user_agent()

key = input("请输入你需要翻译的内容: ")
ts = str(time.time() * 1000)

salt = ts + str(random.randint(0, 10))
the_str = "fanyideskweb" + key + salt + "@6f#X3=cCuncYssPsuRUE"

md5 = hashlib.md5()
md5.update(the_str.encode('utf-8'))
sign = md5.hexdigest()

# 请求头
headers = {
    'User-Agent': ua,
    'Host': 'fanyi.youdao.com',
    'Origin': 'http://fanyi.youdao.com',
    'Referer': 'http://fanyi.youdao.com/',
    'Cookie': 'OUTFOX_SEARCH_USER_ID=559238864@10.168.8.61; OUTFOX_SEARCH_USER_ID_NCOO=2061523511.1027195; _ga=GA1.2.1151109878.1551536968; _ntes_nnid=24fe647fc20f952c4040b25650f75604,1553001083850; JSESSIONID=aaaJIa27BLmlI96aStZRw; ___rl__test__cookies=' + ts
}


# 表单数据
from_data = {
    'i': key,
    'from': 'UTO',
    'to': 'UTO',
    'smartresult': 'dict',
    'client': 'fanyideskweb',
    'salt': salt,
    'sign': sign,
    'ts': ts,
    'bv': '5504a5c7c19867a06038cf79d29f756a',
    'doctype': 'json',
    'version': '2.1',
    'keyfrom': 'fanyi.web',
    'action': 'FY_BY_REALTlME'
}

from_data = urllib.parse.urlencode(from_data).encode('utf-8')
request = urllib.request.Request(url, from_data, headers)
response = urllib.request.urlopen(request).read().decode("utf-8")

target = json.loads(response)
result = target['translateResult'][0][0]['tgt']

print(result)

总结

用到的知识点：

1. faker库随机生成 ua

2. time()函数生成时间戳

3. hashlib库进行md5加密

4. js基础知识的掌握

5. requests库的使用

其中，第四点最为重要

 

二.绕过js加密

代码这个方法非常简单，只需要将 url 中的 _o 去掉就可以了，在传递的from_data中不再需要上述几个加密的参数，只需要我们所要翻译的内容 就可以进行数据获取了

urllib 库的爬取代码如下

# -*-coding:utf-8-*-

__Author__ = "Mr.D"
__Date__ = '2019\5\26 0026 18:07'

import urllib.request
import urllib.parse
import json
from faker import Faker


// 去掉_o
url = 'http://fanyi.youdao.com/translate?smartresult=dict&smartresult=rule'
ua = Faker().user_agent()

key = input("请输入你需要翻译的内容: ")

# 请求头
headers = {
    'User-Agent': ua,
    'Host': 'fanyi.youdao.com',
    'Origin': 'http://fanyi.youdao.com',
    'Referer': 'http://fanyi.youdao.com/',

}


# 表单数据
from_data = {
    'i': key,
    'from': 'UTO',
    'to': 'UTO',
    'smartresult': 'dict',
    'client': 'fanyideskweb',
    'doctype': 'json',
    'version': '2.1',
    'keyfrom': 'fanyi.web',
    'action': 'FY_BY_REALTlME'
}

from_data = urllib.parse.urlencode(from_data).encode('utf-8')
request = urllib.request.Request(url, from_data, headers)
response = urllib.request.urlopen(request).read().decode("utf-8")

target = json.loads(response)
result = target['translateResult'][0][0]['tgt']

print(result)

 

在看完上面的代码之后，可以自己尝试着写出使用第二种方法和requests库进行有道翻译的爬取，来验证代码是否正确

最后，欢迎大家提问

Dumbliidore
关注
专栏目录
基于有道API的翻译（python3）
10-30
python3写的基于有道API的翻译程序，可以做到中英互译
Python3-有道翻译
cjm_01的博客
05-30 349
Python3爬虫-有道翻译1、打开有道翻译2、Network下搜索translate并点击框选内容3、获取目标网址4、查看Form Data5、编写代码 1、打开有道翻译 有道翻译 随意填写一个内容如“Tom” 2、Network下搜索translate并点击框选内容 3、获取目标网址 注意：把_o删除 4、查看Form Data 5、编写代码 import requests import json if __name__ == "__main__": #目标网址 url="htt
Python爬虫实战：利用代理IP爬取百度翻译
最新发布
努力让自己发光，对的人才能迎着光而来
08-06 25万+
Python爬虫实战：利用代理IP爬取百度翻译
python有道翻译
harhy的专栏
01-29 646
肆虐中国的2019肺炎病毒到处都是只能呆在家中，无聊浏览网页，发现python挺流行的，看了几页，写个处女python程序：“有道翻译”。 这个程序挺有意思的，不过还有很多问题，很多疑问，例如，我在有道翻译网页查到的 url 是这个： “Request URL:http://fanyi.youdao.com/translate_o?smartresult=dict&smartresul...
爬虫 | 基于 Python 实现有道翻译工具
ttrr27的博客
04-18 2359
Hi，大家好，我是半亩花海。本项目旨在利用 Python 语言实现一个简单的有道翻译工具。有道翻译是一款常用的在线翻译服务，能够实现多种语言的互译，提供高质量的翻译结果。
python3实现无限次翻译
qq_40438165的博客
06-24 3877
\quad本博客会给读者一个非常好用的翻译接口，主要是针对大量文本翻译，可以突破翻译限制（指的是一个IP可以连续翻译，不是指一次翻译很多文本），笔者亲测翻译数千条推特无压力。 \quad本翻译脚本是使用的有道翻译，需要你提前下载安装python3的request、json和faker库。faker库主要用于产生随机的"user_agent"。最终程序如下： from urllib import request, parse import json from faker import Faker class
爬有道翻译 利用python（selenium）爬取有道翻译英语单词音标
05-20
利用python（selenium）爬取有道翻译英语单词音标 适合python初学者 网页爬虫示例 os库 import os secket库 import socket selenium库 webdriver对象 网页元素查询练
基于python爬取有道翻译过程图解
09-17
本篇文章将详细讲解如何使用Python来爬取有道翻译的过程，这对于自动化翻译任务或数据分析非常有用。 首先，我们需要了解基本的网络请求原理。HTTP协议中的GET和POST方法是两种主要的请求类型。GET用于获取服务器上...
Python爬虫实现简单的爬取有道翻译功能示例
09-20
本文以实现爬取有道翻译结果为例，详细介绍了如何使用Python的urllib库来构建一个简单的网络爬虫程序。 首先，我们来理解标题中的“Python爬虫”和“爬取有道翻译功能”的含义。Python爬虫是指使用Python语言编写的...
【Python应用】爬取有道翻译API，自制翻译工具（Python爬虫）
12-22
有道翻译官网：http://fanyi.youdao.com/ 分析网站 打开网页，F12找到translate这个XHR文件中存在主要信息，找到最后的From Data（数据的来源，如何获取的，最后调用翻译） 对于这两组数据，不知道是什么？（虽然bv...
python3爬取数据至mysql的方法
12-25
本文实例为大家分享了python3爬取数据至mysql的具体代码，供大家参考，具体内容如下 直接贴代码 #!/usr/local/bin/python3.5 # -*- coding:UTF-8 -*- from urllib.request import urlopen from bs4 import ...
有道翻译接口问题（续）
Jumping boy
04-06 1502
原博文地址：https://blog.csdn.net/qq_40962368/article/details/80620817 自从写了上面的博文之后，很多人询问我关于有道翻译接口的问题，为什么不是F12中的 http://fanyi.youdao.com/translate_o?smartresult=dict&smartresult=rule 当时，我在面对这个问题时，也是一...
有道词典翻译（携带请求头和post参数请求）
weixin_30815469的博客
02-22 587
一、静态爬取页面信息 有道翻译网址：http://fanyi.youdao.com/ 在翻译中输入python 找到接口和请求的方式 参数是From Data类型 需要把参数数据转换为字典， 复制粘贴后按住Ctrl + r ，然后 Headers 内容的长度是data携带参数的长度 代码实现 分析：红色圈住的，是会根据要翻译的内容变化而变化 ...
python 爬取有道词典的翻译 *渔夫版
jackonly1的博客
01-11 510
前言 在小甲鱼课程里学习到的python爬取有道词典的翻译，发现一些东西不是很适用于现在，网上给出的答案分为两种 一、去掉 “_o” import urllib.request import urllib.parse import json content = input("请输入需要翻译的内容:") url = "http://fanyi.youdao.com/translate?smartresult=dict&smartresult=rule" #url = "http://fanyi
关于python爬虫的ua设置
幻世
08-13 3324
无论使用requests还是httpx其实不设置ua也是可以跑的，只不过跑的时候是默认的ua，但是对于一些设置了防火墙或者有防御性质的cdn来说，默认的ua是肯定进不去的。常规来说如果我们爬虫不是很频繁，那我们可以将ua设置成固定的常见浏览器ua就可以避过站长的巡查，但是如果频繁，站长可能为了保证服务器正常运行，还是有可能将我们的ip和ua禁掉的。ua=uas.user_agent()为获取随机ua的代码，将这行放到get请求前，然后替换headers中的ua就好。...
python下载网站文件到本地,python下载网站所有网页
2401_82891043的博客
03-02 1212
现在，为了启动协同程序，我们必须使用asyncio的get_event_loop()方法将协同程序放入事件循环中，最后，我们使用asyncio的run_until_complete()方法执行该事件循环。大家好，小编来为大家解答以下问题，python登录网站自动下载文件，python自动下载网页中的文件，现在让我们一起来看看吧！在这段代码中，我们使用了urlretrieve方法并传递了文件的URL，以及保存文件的路径。如果你需要使用代理下载你的文件，你可以使用urllib模块的ProxyHandler。
【Python爬虫】有道翻译2023新版
cherish1112365的博客
07-04 4627
【Python爬虫】使用requests进行获取请求有道URL的结果，MD5加密sign值，AES解密翻译结果
有道免费翻译接口
qq_48148332的博客
11-27 4045
1.有道翻译接口 https://fanyi.youdao.com/translate?&doctype=json&type=AUTO&i=english
python爬虫爬取有道翻译
09-10
对于使用Python进行爬取有道翻译，您可以采用以下步骤： 1. 导入所需库： ```python import requests from bs4 import BeautifulSoup ``` 2. 构造请求URL，并发送GET请求获取页面内容： ```python url = '...
评论 9
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值