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：/。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：
01.png
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：
02.png
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：
03.png
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：
04.png
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：
# 导入需要的库import urllib.requestimport urllib.parseimport json# 等待用户输入需要翻译的单词content = input('请输入需要翻译的单词：')# 有道翻译的url链接url = '/translate_o?smartresult=dict&smartresult=rule&sessionFrom=null'# 发送给有道服务器的数据data = {}# 需要翻译的文字data['i'] = content# 下面这些都先按照我们之前抓包获取到的数据data['from'] = 'AUTO'data['to'] = 'AUTO'data['smartresult'] = 'dict'data['client'] = 'fanyideskweb'data['salt'] = '1500349255670'data['sign'] = '997742c66698b25b43a3a5030e1c2ff2'data['doctype'] = 'json'data['version'] = '2.1'data['keyfrom'] = 'fanyi.web'data['action'] = 'FY_BY_CL1CKBUTTON'data['typoResult'] = 'true'# 对数据进行编码处理data = urllib.parse.urlencode(data).encode('utf-8')# 创建一个Request对象，把url和data传进去，并且需要注意的使用的是POST请求request = urllib.request.Request(url=self.url, data=data, method='POST')# 打开这个请求response = urllib.request.urlopen(request)# 读取返回来的数据result_str = response.read().decode('utf-8')# 把返回来的json字符串解析成字典result_dict = json.loads(result_str)# 获取翻译结果print('翻译的结果是：%s' % result_dict)
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：
05.png
06.png
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：
07.png
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：
08.png
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：/Tools/jsformat.aspx。把代码复制进去后，点击格式化：
09.png
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：
10.png
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：
#!/usr/bin/python# -*- coding: utf-8 -*-import requestsimport hashlibimport timefrom pprint import pprinturl = "/translate_o"params = {"smartresult": "dict", "smartresult": "rule"}salt = str(time.time())client = "fanyideskweb"text = input("请输入翻译内容：")AppKey = "ebSeFb%=XZ%T[KZ)c(sy!"sign = hashlib.md5((client+text+salt+AppKey).encode('utf-8')).hexdigest()data = {"i": text, "from": "AUTO", "to": "AUTO", "smartresult": "dict", "client": client, "salt": salt, "sign": sign, "doctype": "json", "version": "2.1", "keyfrom": "fanyi.web", "action": "FY_BY_CLICKBUTTION", "typoResult": "false"}headers = {"User-Agent":"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/66.0.3359.181 Safari/537.36", "Referer":"/?keyfrom=dict2.index", "Cookie":"OUTFOX_SEARCH_USER_ID_NCOO=1082072868.6526275; OUTFOX_SEARCH_USER_ID=2072418438@218.82.240.196; YOUDAO_EAD_UUID=800e3e66-ce9f-442d-adbf-9b3979a21a3e; _ntes_nnid=2fe3d5c70463d0c7d9cb34cd85f28f28,1526368710759; fanyi-ad-id=44881; fanyi-ad-closed=1; P_INFO=tige112@|1527857737|2|mail163|11&19|shh&1527852495&youdaodict_client#shh&null#10#0#0|&0|youdaodict_client&mail163|tige112@; JSESSIONID=abclAXKrY2C2GhDODT_ow; DICT_LOGIN=8||1527913051232; DICT_FORCE=true; DICT_UGC=be3af0da19b5c5e6aa4e17bd8d90b28a|; ___rl__test__cookies=1527913197589"}response = requests.post(url=url,params=params,data=data,headers=headers)pprint(response.json())
如果觉得《破解有道翻译反爬虫机制》对你有帮助，请点赞、收藏，并留下你的观点哦！
