python爬百度翻译
今天总结一下爬翻译页面的过程和技巧，本人不是学前端和后端的技术人员，有些地方也不太懂。js就更不懂了（等级不够，不能发图片）
第一步：
查看网页的结构（按F12）
查看网页的标头：主要是记录网页的请求连接和本机的Cookie（很重要，这个是模拟你本人的操作，防止网站的反爬）
查看负载：查看表单数据
（例如百度翻译）
from: en
to: zh
query: goods
transtype: realtime
simple_means_flag: 3
sign: 219044.504981
token: 3374a5e54805eacee8e4434b5638bb87
domain: common
ts: 1690292366583
这些都是你在post请求时网站核对的信息，一但那个参数不对就会禁止访问（现在反爬很严重）。
第二步
查看网页的源代码
寻找源代码的js的目录下的index文件
这一步主要是为了寻找表单数据中某些加密变量的算法。例如表单数据中的sign是一个加密的数
下面的步骤花了我一天的时间（本人不会前端）
1.ctrl f查找index文件下的sign变量
2.sign赋值这行设置断点，然后进行js调试，直到进入加密的函数（怎么调试自己查，我不细说）
3.把加密函数的js截断复制下来添加到你的文件目录里。
下面是我的js文件的内容。
大概就是以上步骤，我借鉴了很多网上的内容也学到了很多。
/****************************************************/
var r="320305.131321201";
function n(t, e) {
for (var n = 0; n < e.length - 2; n += 3) {
var r = e.charAt(n + 2);
r = "a" <= r ? r.charCodeAt(0) - 87 : Number(r),
r = "+" === e.charAt(n + 1) ? t >>> r : t << r,
t = "+" === e.charAt(n) ? t + r & 4294967295 : t ^ r
}
return t
}
kk=function (t) {
var o, i = t.match(/[\uD800-\uDBFF][\uDC00-\uDFFF]/g);
if (null === i) {
var a = t.length;
a > 30 && (t = "".concat(t.substr(0, 10)).concat(t.substr(Math.floor(a / 2) - 5, 10)).concat(t.substr(-10, 10)))
} else {
for (var s = t.split(/[\uD800-\uDBFF][\uDC00-\uDFFF]/), c = 0, u = s.length, l = []; c < u; c++)
"" !== s && l.push.apply(l, function(t) {
if (Array.isArray(t))
return e(t)
}(o = s.split("")) || function(t) {
if ("undefined" != typeof Symbol && null != t || null != t["@@iterator"])
return Array.from(t)
}(o) || function(t, n) {
if (t) {
if ("string" == typeof t)
return e(t, n);
var r = Object.prototype.toString.call(t).slice(8, -1);
return "Object" === r && t.constructor && (r = t.constructor.name),
"Map" === r || "Set" === r ? Array.from(t) : "Arguments" === r || /^(?:Ui|I)nt(?:8|16|32)(?:Clamped)?Array$/.test(r) ? e(t, n) : void 0
}
}(o) || function() {
throw new TypeError("Invalid attempt to spread non-iterable instance.\nIn order to be iterable, non-array objects must have a () method.")
}()),
c !== u - 1 && l.push(i);
var p = l.length;
p > 30 && (t = l.slice(0, 10).join("") + l.slice(Math.floor(p / 2) - 5, Math.floor(p / 2) + 5).join("") + l.slice(-10).join(""))
}
for (var d = "".concat(String.fromCharCode(103)).concat(String.fromCharCode(116)).concat(String.fromCharCode(107)), h = (null !== r ? r : (r = window || "") || "").split("."), f = Number(h) || 0, m = Number(h) || 0, g = [], y = 0, v = 0; v < t.length; v++) {
var _ = t.charCodeAt(v);
_ < 128 ? g = _ : (_ < 2048 ? g = _ >> 6 | 192 : (55296 == (64512 & _) && v + 1 < t.length && 56320 == (64512 & t.charCodeAt(v + 1)) ? (_ = 65536 + ((1023 & _) << 10) + (1023 & t.charCodeAt(++v)),
g = _ >> 18 | 240,
g = _ >> 12 & 63 | 128) : g = _ >> 12 | 224,
g = _ >> 6 & 63 | 128),
g = 63 & _ | 128)
}
for (var b = f, w = "".concat(String.fromCharCode(43)).concat(String.fromCharCode(45)).concat(String.fromCharCode(97)) + "".concat(String.fromCharCode(94)).concat(String.fromCharCode(43)).concat(String.fromCharCode(54)), k = "".concat(String.fromCharCode(43)).concat(String.fromCharCode(45)).concat(String.fromCharCode(51)) + "".concat(String.fromCharCode(94)).concat(String.fromCharCode(43)).concat(String.fromCharCode(98)) + "".concat(String.fromCharCode(43)).concat(String.fromCharCode(45)).concat(String.fromCharCode(102)), x = 0; x < g.length; x++)
b = n(b += g, w);
return b = n(b, k),
(b ^= m) < 0 && (b = 2147483648 + (2147483647 & b)),
"".concat((b %= 1e6).toString(), ".").concat(b ^ f)
}
/****************************************************/
import requests
import os
import re
import time
import random
import execjs
#定义你自己存放的js的目录位置
os.chdir('d://ppt')
class baiduSpider(object):
def __init__(self):
self.url='填写网页url'
self.headers={
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36",
"Cookie":'填写自己的网页cookie'
}
def attack_yd(self,word):
#构建form表单数据
with open('baidusign.js', 'r', encoding='utf-8') as f:
ctx = execjs.compile(f.read())
sign = ctx.call('kk', word)#返回js编译的结果 word是参数
data={
"query": word,
"from": "en",
"to": "zh",
"domain": "common",
"token":'3374a5e54805eacee8e4434b5638bb87',
"simple_means_flag":3,
"sign":sign,#sign是一个加密的数，根据word和函数计算得出，具体看百度翻译的js内容
}
#使用 reqeusts.post()方法提交请求
res = requests.post(
url=self.url,
data=data,
headers=self.headers,
)
# res.json() 将json格式的字符串转为python数据类型
# 客户端与服务器数据交互以json字符串传递，因此需要将它转换为python数据类型
html=res.json()
print(html)
#{'trans_result': {'data': [{'dst': '是', 'src': 'are'}],翻译格式
result=html['trans_result']['data']["dst"]
print('翻译结果:', result)
def run(self):
try:
word=input('请输入要翻译的单词：')
self.attack_yd(word)
except Exception as e:
print(e)
if __name__ == '__main__':
spider=baiduSpider()
spider.run()
图片可以上传至图床：imgtp.com
然后选择 ubb，直接粘贴到论坛编辑器里
页:
[1]