用Python破解有道翻译反爬虫机制

破解有道翻译反爬虫机制

web端的有道翻译，在之前是直接可以爬的。也就是说只要获取到了他的接口，你就可以肆无忌惮的使用他的接口进行翻译而不需要支付任何费用。那么自从有道翻译推出他的API服务的时候，就对这个接口做一个反爬虫机制（如果大家都能免费使用到他的翻译接口，那他的API服务怎么赚钱）。这个反爬虫机制在爬虫领域算是一个非常经典的技术手段。那么他的反爬虫机制原理是什么？如何破解？接下来带大家一探究竟。

一、正常的爬虫流程：

如果你要爬取他的翻译接口，这个流程还是不能少的。首先我们打开有道翻译的链接：http://fanyi.youdao.com/。然后在页面中右键->检查->Network项。这时候就来到了网络监听窗口，以后你在这个页面中发送的所有网络请求，都会在Network这个地方显示出来。接着我们在翻译的窗口输入我们需要翻译的文字，比如输入hello。然后点击自动翻译按钮，那么接下来在下面就可以看到浏览器给有道发送的请求，这里截个图看看：

在上图，我们可以看到发送了很多的网络请求，这里我们点击第一个网络请求进行查看：

可以看到，我们在点击自动翻译的时候，发送的请求就是上图中Request URL的那个URL，然后我们再点击那个Response，我们可以看到返回的结果：

并且，现在我们再回到Headers的地方，然后滚动到最下面，可以看到有一个Form Data的地方，这个下面展示了许多的数据，这些数据就是你在点击翻译的时候浏览器给服务器发送的数据：

对其中几个比较重要的数据进行解释：

i：需要进行翻译的字符串，这个地方我们输入的是hello。

salt：加密用到的盐。这个是我们破解有道反爬虫机制的关键点，后面会讲到。

sign：签名字符串。也是破解反爬虫机制的关键点。

其他的数据类型暂时就不怎么重要了，都是固定写法，我们后面写代码的时候直接鞋子就可以了。到现在为止，我们就可以写一个简单的爬虫，去调用有道翻译的接口了。这里我们使用的网络请求库是Python3自带的urllib，相关代码如下：

我们运行这个文件后，当我们输入的是hello的时候，我们可以得到哈罗的这个正确的翻译结果。而当我们输入其他需要翻译的字符串的时候，比如输入i love you，那么就会得到一个错误代码{“errorCode”:50}。这就奇怪了，有道词典不可能只能翻译一个英文单词吧。而这个，就是有道词典的反爬虫机制。接下来我们就来破解有道词典的反爬虫机制。

二、破解反爬虫机制：

我们可以多次的进行翻译，并且每次翻译后都去查看翻译的时候发送的这个网络请求，比较每次翻译时候发送的Form Data的值。我们注意到，Form Data在每次发送网络请求的时候，只有i和salt以及sign这三个是不同的，其他的数据都是一样的，这里我用hello和world两个单词翻译时候Form Data的数据进行比较：

图中的Form Data也证实了我刚刚所说的，就是除了i、salt以及sign是不一样的。其余都是一样的。而i不一样是很正常的。因为i代表的是要翻译的字符串，这个不同是很正常。而salt和sign这两个东西不一样，是怎么产生的呢？这里我们可以分析一下，这两个值在每次请求的时候都不一样，只有两种情况：第一是每次翻译的时候，浏览器会从有道服务器获取一下这两个值。这样可以达到每次翻译的时候值不同的需求。第二是在本地，用JS代码按照一定的规则生成的。那么我们首先来看第一个情况，我们可以看到在每次发送翻译请求的时候，并没有一个请求是专门用来获取这两个值的：

所以就可以排除第一种情况。就只剩下一种可能，那就是在本地自己生成的，如果是在本地自己生成的，那么规则是什么呢？这里我们点击网页，查看网页源代码，查找所有的JS文件，我们找到那个fanyi.js：

然后点击这个文件，跳转到这个源文件中，然后全选所有的代码，复制下来，再打开站长工具：http://tool.chinaz.com/Tools/jsformat.aspx。把代码复制进去后，点击格式化：

然后把格式化后的代码，复制下来，用sublime或者pycharm打开都可以，然后搜索salt，可以找到相关的代码：

这里我们就可以发现所有的值的生成原理了。这里来做个简介：

d：代表的是需要翻译的字符串。

f：当前时间的时间戳加上0-10的随机字符串。

u：一个常量——fanyideskweb。

c：一个常量——rY0D^0’nM0}g5Mm1z%1G4。

salt：就是f变量，时间戳。

sign：使用的是u + d + f + c的md5的值。

知道salt和sign的生成原理后，我们就可以写Python代码，来对接他的接口了，以下是相关代码：

写在最后：

像以上这种，通过用JS在本地生成随机字符串的反爬虫机制，在爬虫的时候是经常会遇到的一个问题。希望通过以上的讲解，能为大家提供一种思路。以后再碰到这种问题的时候知道该如何解决。

更多干货内容，欢迎关注公众号：知了python

用Python破解有道翻译反爬虫机制相关推荐

Python(4) 用Python破解有道翻译反爬虫机制
web端的有道翻译,在之前是直接可以爬的.也就是说只要获取到了他的接口,你就可以肆无忌惮的使用他的接口进行翻译而不需要支付任何费用.那么自从有道翻译推出他的API服务的时候,就对这个接口做一个反爬虫机 ...
如何利用 C# + Python 破解猫眼电影的反爬虫机制？
在如何利用 C# 爬取「猫眼电影:最受期待榜」及对应影片信息! 这篇图文中可以看到猫眼电影对"本月新增想看人数" 和 "总想看人数"进行了字符集加密. 在如 ...
python实战：利用chrome抓包插件HTTP间谍分析有道翻译反爬机制
本次实战目标站点:http://fanyi.youdao.com/?keyfrom=fanyi-new.logo ,主要利用HTTP间谍抓包插件分析有道翻译反爬机制,该抓包能帮我们过滤掉一些不需要的常 ...
从头学习爬虫（四十）高阶篇----模拟js生成Cookie中__jsl_clearance来破解加速乐的反爬虫机制
本文主要提供中间模拟生成Cookie中__jsl_clearance字段来破解加速乐的反爬虫机制前后通过postman模拟代替代码实现一需求 http://www.cyicai.com/info ...
【Python】有道翻译的爬虫实现（后篇）
前面说到,有道翻译和百度翻译不同 (百度翻译是模拟iPhone手机,可能百度翻译用Pc端也会有类似的问题,有道翻译的User-Agent是Pc端) 每一次的salt和sign都不一样,这是什么原因产生 ...
【Python】有道翻译的爬虫实现（前篇）
import requestsimport jsonurl ="http://fanyi.youdao.com/translate_o?smartresult=dict&smartr ...
python破解网易反爬虫机制
用python3 urllib破解有道翻译反爬虫机制前言最近在学习python 爬虫方面的知识,网上有一博客专栏专门写爬虫方面的,看到用urllib请求有道翻译接口获取翻译结果.发现接口变化很大, ...
【爬虫】关于企业信用信息公示系统-加速乐最新反爬虫机制
(￣▽￣)~*又得半夜修仙了,作为一个爬虫小白,花了3天时间写好的程序,才跑了一个月目标网站就更新了,是有点悲催,还是要只有一天的时间重构. 升级后网站的层次结构并没有太多变化,表面上是国家企业信用信 ...
Python有道翻译爬虫，破解反爬虫机制，解决{errorCode:50}错误
一.引言参考网址:https://tendcode.com/article/youdao-spider/ 当前成功时间:2019-6-28 转自个人开源博客:https://my.oschina.n ...

用Python破解有道翻译反爬虫机制

用Python破解有道翻译反爬虫机制相关推荐

最新文章

热门文章