Python爬虫入门教程 61-100 写个爬虫碰到反爬了，动手破坏它！
python3爬虫遇到了反爬
当你兴冲冲的打开一个网页，发现里面的资源好棒，能批量下载就好了，然后感谢写个爬虫down一下，结果，一顿操作之后，发现网站竟然有反爬措施，尴尬了。
接下来的几篇文章，我们研究一下各种反爬虫套路，当然互联网没有100%的反爬措施，只要你能使用浏览器访问的网页，都是可以爬取到了，所有的人不能杜绝爬虫，只能在一定程度上增加你爬取的成本，说白了，就是让你的技术爬不到~
爬虫和反爬虫一直都是这个领域程序员对抗的基础，从最简单的UA限制，到略微复杂一些的IP限制，用户限制，技术都是不断发展的，但是，不怕贼偷，就怕贼惦记，只要你的网站内容有价值，放心，一堆爬虫coder盯着呢？
emmmm…
搞定javascript加密
js加密最简单的是采用md5进行的，我们通过http://fanyi.youdao.com/来演示本篇博客内容
接下来你要注意的是这个请求是由哪个Js文件发起的
文件获取到为 fanyi.min.js，继续追踪，鼠标在这个文件名上面停留一下就可以获取到基本信息，我们点击跟请求相关的那个方法对应的文件链接，跳转到方法内部
这个地方有个操作细节，你需要学会，点击文件之后，跳转到的JS文件是压缩之后的，进行一下格式化操作
拿到源码
t.translate = function(e, t) {
_ = f("#language").val();
var n = x.val()
, r = g.generateSaltSign(n)
, i = n.length;
if (F(),
T.text(i),
i > 5e3) {
var a = n;
n = a.substr(0, 5e3),
r = g.generateSaltSign(n);
var s = a.substr(5e3);
s = (s = s.trim()).substr(0, 3),
f("#inputTargetError").text("有道翻译字数限制为5000字，“" + s + "”及其后面没有被翻译!").show(),
T.addClass("fonts__overed")
} else
T.removeClass("fonts__overed"),
f("#inputTargetError").hide();
d.isWeb(n) ? o() : l({
i: n,
from: C,
to: S,
smartresult: "dict",
client: k,
salt: r.salt,
sign: r.sign,
ts: r.ts,
bv: r.bv,
doctype: "json",
version: "2.1",
keyfrom: "fanyi.web",
action: e || "FY_BY_DEFAULT",
typoResult: !1
}, t)
}
参数分析
- i 表示 带翻译的词语
- from 设置为
AUTO - to 设置为
AUTO - smartresult 默认值
dict - client 翻译的客户端：默认应该为
fanyideskweb - salt 第一个变量 需要查阅生成规则
- sign 第二个变量 需要查阅生成规则
- ts
- bv
- 其余的参数保持默认即可
重点参数
- salt
- sign
- ts
- bv
代码的复查当中找到参数来源
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 + "1L5ja}w$puC.v_Kz3@yYn")
}
OK，我们已经获取到参数的内容了
- ts = r 表示当前的时间戳
- salt 用r去加上一个随机数
- sign 为 一个特殊的md5，中间重点注意
e其实就是你要翻译的词语 - navigator.appVersion 这个比较容易，在开发者工具中运行一下就可以得到了
5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36
代码尝试
准备好这么多材料之后，剩下的就是编码了，我们开始吧，这个地方依据的是JS的源码，然后转换成Python即可，没有特别难的地方
参数的生成
def generate_salt_sign(translate):
# var t = n.md5(navigator.appVersion)
app_version = "5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36"
bv = hashlib.md5(app_version.encode(encoding='UTF-8')).hexdigest()
# r = "" + (new Date).getTime()
ts = str(int(round(time.time(),3)*1000))
# i = r + parseInt(10 * Math.random(), 10);
salt = ts + str(random.randint(1,10))
# sign: n.md5("fanyideskweb" + e + i + "1L5ja}w$puC.v_Kz3@yYn")
sign = hashlib.md5(("fanyideskweb"+translate+salt+"1L5ja}w$puC.v_Kz3@yYn").encode(encoding='utf-8')).hexdigest()
return salt,sign,ts,bv
参数的拼接与header的准备
def params():
data = {}
translate = 'morning'
client = 'fanyideskweb'
data['i'] = translate
data['from'] = 'AUTO'
data['to'] = 'AUTO'
data['smartresult'] = 'dict'
data['client'] = client
data['salt'],data['sign'],data['ts'],data['bv'] = generate_salt_sign(translate)
data['doctype'] = 'json'
data['version'] = '2.1'
data['keyfrom'] = 'fanyi.web'
data['action'] = 'FY_BY_REALTIME'
data['typoResult'] = 'false'
return data
发起请求
def tran():
data = params()
headers = {}
headers["User-Agent"] = "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36"
headers["Referer"] = "http://fanyi.youdao.com/"
headers["Cookie"] = "[email protected];"
with requests.post("http://fanyi.youdao.com/translate_o?smartresult=dict&smartresult=rule",headers=headers,data=data) as res:
print(res.text)
if __name__ == '__main__':
tran()
结果展示
{"translateResult":[[{"tgt":"早....","src":"morning"}]],"errorCode":0,"type":"en2zh-CHS","smartResult":{"entries":["","n. 早晨；黎明；初期\r\n"],"type":1}}
得到数据之后就表示我们的目标完成了~
本篇博客的反爬内容搞定~
关注微信公众账号，回复0401获取源码
