python3爬虫-下载网易云音乐，评论

# -*- coding: utf-8 -*-
'''
16位随机字符的字符串

参数一
获取歌曲下载地址      "{"ids":"[1361348080]","level":"standard","encodeType":"aac","csrf_token":""}"
获取歌曲评论信息      "{"rid":"R_SO_4_1361348080","offset":"0","total":"true","limit":"20","csrf_token":""}"

第二三四为参数是固定的
"010001"
"00e0b509f6259df8642dbc35662901477df22677ec152b5ff68ace615bb7b725152b3ab17a876aea8a5aa76d2e417629ec4ee341f56135fccf695280104e0312ecbda92557c93870114af6c9d05c4f7f0c3685b7a46bee255932575cce10b424d813cfe4875d3e82047b97ddef52741d546b8e289dc6935b3ece0462db0a22b8e7"
"0CoJUm6Qyw8W8jud"

encSecKey 通过方法c，传入参数  参数一为16为随机字符串，参数二、三为上面的参数二三
encText 进行了两次加密  通过方法b    第一次是通过上面从参数一，参数四拿到返回值   第二次是返回值和16随机字符串加密



# 关于我遇到的问题
1、首先就是参数一的获取，
参数一很容易看得出来就是json格式的字典，通过json.dumps(dict)就能得到，对，当时我也是这样做的，因为分析网易云进行js加密的代码，
它也是将对象(也就是python的字典，类似)进行Json.stringify(obj)。所以我就跟着转为json格式的数据。
代码书写完毕之后，就进行测试阶段了，启动脚本，他给我返回的是json格式的字符串，400的错误，提示信息为参数错误，最终我排除了请求头是否
不合法等原因，那就是我进行加密的时候，得出的加密结果不对。
为了检测是否我加密错误，我继续在谷歌浏览器的开发者工具调试js代码，因为进行加密的时候有一串16位的随机字符串，我先在浏览器中获取到这个随机字符串
然后在我写的python代码中，将那个随机的字符串固定为浏览器获取到的16位随机字符串，并且执行，比较二者参数哪里对不上，encSecKey的值是能对上的，
encText(也就是formdata中的params)是对不上的，所以我获取encText的加密内容出错了。当时我完全没有考虑到是参数一的错误，因为我认为参数一是对的，就是
json格式的数据呀，我认为我加密的逻辑写错了。我把网易云加密的那段js代码，copy一份到本地的html文件中执行，参数也是一致，得到的结果也是和浏览器加密后
的数据是一致的，我把加密后的数据直接用在python代码中，执行，数据成功返回了，这是我更加肯定是我加密代码写错了，
经过一段的测试，我在本地的html文件中，把参数一的值写成一个很简单的字符串 "aaaa"，我也把python代码中的参数一也改为一样。分别执行，卧槽，加密后参数
完全一样，找出了原因，竟然是我认为不会出错的参数一的原因。找到原因了，我就去看看参数一print出来到底是啥，js中参数一console.log几次，它的值是不变的
我再看python中，测试几次，终于知道了原因，我竟然忽略了字典是无序了，
dic = {"name":"zhuyu","age":22}
print(json.dumps(dic))

# 多执行几次，下面是输出结果，你会发现：
{"name": "zhuyu", "age": 22}
{"age": 22, "name": "zhuyu"}

解决问题一：字典是无序的，执行json.dumps得到的数据不是固定的，所以必须要弄一个固定的json格式数据，json数据它也是一个字符串，我自己弄一个和js中的
json数据一样的字符串就好了
也就是这个>>>:  self.arg1 = '{"ids":"[%s]","level":"standard","encodeType":"aac","csrf_token":""}' % songId

2、对加密方法不清楚
对这一块确实不擅长，你看到js中的加密代码，却不知道它传递的参数，到底有啥用，是用来做什么的，你先要懂js代码加密的逻辑，你猜能写python代码来实现一样
的加密逻辑。

解决问题二：这个只能多百度，Google了，了解到加密方法，传递的参数是什么形式，参数作用是啥，返回值又是什么

3、了解网易云js加密的流程
只有知道流程了，只能写python加密的流程，这个需要你会chrome的开发者工具的使用，对js进行调试，知道重点的变量代表什么

解决问题三：刚开始确实不会，需要查看一些博客，知道每个按钮对应的功能是什么。还有就是要多看，多看，多看，指的是调试js代码

4、知道js加密代码的位置
我的方法：先看请求的所携带的参数，还有就是url，请求方法等等。。。然后就是ctrl+shift+f搜索你认为的关键字，然后就是慢慢找吧
如果请求那里找不到，也搜索不到加密的js位置，试试搜索 encrypt，还不行只能百度，Google了，看看别人的
'''

from Crypto.Cipher import AES
import base64
import random
import codecs
import requests
from fake_useragent import UserAgent
import time
from multiprocessing import Process


class DownLoadWYY:
    ua = UserAgent()

    def __init__(self):
        self.arg2 = "010001"
        self.arg3 = "00e0b509f6259df8642dbc35662901477df22677ec152b5ff68ace615bb7b725152b3ab17a876aea8a5aa76d2e417629ec4ee341f56135fccf695280104e0312ecbda92557c93870114af6c9d05c4f7f0c3685b7a46bee255932575cce10b424d813cfe4875d3e82047b97ddef52741d546b8e289dc6935b3ece0462db0a22b8e7"
        self.arg4 = "0CoJUm6Qyw8W8jud"
        self.session = requests.Session()
        self.session.headers = {
            "Referer": "https://music.163.com/",
            "User-Agent": self.ua.random
        }
        self.__get_random_str()
        # self.__init_session()

    def __init_session(self):
        '''拿到后面需要的cookies'''
        resopnse = self.session.get("https://music.163.com/#/discover/playlist", headers=self.session.headers)
        print(resopnse.headers)

    def __AES_encrypt(self, text, key):
        '''
        获取到加密后的数据
        :param text: 首先CBC加密方法，text必须位16位数据
        :param key: 加密的key
        :return: 加密后的字符串
        '''
        iv = "0102030405060708"
        pad = 16 - len(text) % 16
        if isinstance(text, str):
            text = text + pad * chr(pad)
        else:
            text = text.deocde("utf-8") + pad * chr(pad)
        aes = AES.new(key=bytes(key, encoding="utf-8"), mode=2, iv=bytes(iv, encoding="utf-8"))
        res = aes.encrypt(bytes(text, encoding="utf-8"))
        res = base64.b64encode(res).decode("utf-8")
        return res

    def __get_encText(self):

        encText = self.__AES_encrypt(self.arg1, self.arg4)
        encText = self.__AES_encrypt(encText, self.random_16_str)
        return encText

    def __get_encSecKey(self):
        '''通过查看js代码，获取encSecKey'''
        text = self.random_16_str[::-1]
        rs = int(codecs.encode(text.encode('utf-8'), 'hex_codec'), 16) ** int(self.arg2, 16) % int(self.arg3, 16)
        return format(rs, 'x').zfill(256)

    def __get_random_str(self):
        '''这是16位的随机字符串'''
        str_set = "abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789"
        random_str = ""
        for i in range(16):
            index = random.randint(0, len(str_set) - 1)
            random_str += str_set[index]
        self.random_16_str = random_str

    def __getFormData(self):
        '''获取到提交的数据'''
        data = {"params": self.__get_encText(), "encSecKey": self.__get_encSecKey()}
        return data

    def downloadSong(self, songId):
        '''获取到歌曲的下载的地址就好了。如果想要下载可以单独再写一个方法去下载音乐'''
        print("开始爬取歌曲mp3地址....")
        self.arg1 = '{"ids":"[%s]","level":"standard","encodeType":"aac","csrf_token":""}' % songId
        api = "https://music.163.com/weapi/song/enhance/player/url/v1?csrf_token="
        headers = self.session.headers.copy()
        formdata = self.__getFormData()
        response = self.session.post(url=api, data=formdata, headers=headers)
        print("歌曲的下载地址为>>:", response.json()["data"][0]["url"])

    def song_comment(self, songId):
        '''获取到歌曲评论信息，我只是将结果print出来，如果保存的话，可以单独写一个保存的方法'''
        print("开始爬取歌曲评论信息....")
        # self.arg1的格式为："{"rid":"R_SO_4_歌曲id","offset":"0","total":"true","limit":"20","csrf_token":""}"
        # 第一页为0，第二页为20，第三页为40  第四页为60  第五页为80
        offset = 0
        n = 1
        api = "https://music.163.com/weapi/v1/resource/comments/R_SO_4_{}?csrf_token=".format(songId)
        headers = self.session.headers.copy()
        while True:
            self.arg1 = '{"rid":"R_SO_4_%s","offset":"%s","total":"true","limit":"20","csrf_token":""}' % (
                songId, offset)
            formdata = self.__getFormData()
            response = self.session.post(url=api, headers=headers, data=formdata)
            # print("*"*100)
            # print("第{}页评论".format(n))
            comment_list = response.json().get("comments")
            for dic in comment_list:
                try:
                    print("用户: {}".format(dic["user"]["nickname"]))
                    print("评论内容： {} ".format(dic.get("content")))
                    print()
                except UnicodeEncodeError:
                    pass
            offset += 20
            n += 1
            time.sleep(1)


if __name__ == '__main__':
    song = DownLoadWYY()
    comment = DownLoadWYY()
    p1 = Process(target=song.downloadSong, args=(1361348080,))
    p2 = Process(target=comment.song_comment, args=(1361348080,))

    p1.start()
    p2.start()

    p1.join()
    p2.join()

    print("爬取完毕...")

 

转载于:https://www.cnblogs.com/zhuchunyu/p/10778427.html