使用python2爬取有道翻译，,爬虫的核心思想：模拟

使用python2爬取有道翻译，,爬虫的核心思想：模拟

爬虫的核心思想：模拟浏览器正常访问服务器，一般情况只要浏览器能访问的，都可以爬，如果被反爬，则考虑反复测试添加Request Header数据，知道可以爬取为止。

反爬思路目前知道的有：User-Agent，Cookie，Referer，访问速度，验证码，用户登录及前端js代码验证等。本例遇到js验证 User-Agent Referer Cookie共计4种反爬机制。

关键部分是，参数headers和data的构造，headers要进行反复测试，data数据里面的变量查找思路。

参考资料：

用Python破解有道翻译反爬虫机制 https://blog.csdn.net/nunchakushuang/article/details/75294947

python破解网易反爬虫机制 https://blog.csdn.net/luosai19910103/article/details/79522067

一些反爬机制 https://blog.csdn.net/javakklam/article/details/79841901

有道翻译页面，左边输入要翻译的字符串，右边会自动输出翻译的结果，如下图

经过多次输入字符测试，发现页面无刷新，猜测可能使用ajax，然后进行抓包分析，发现的确使用ajax传输数据

代码如下：

#!/usr/bin/env python# -*- coding:utf-8 -*-import urllibimport urllib2import timeimport hashliburl = ‘http://fanyi.youdao.com/translate_o?smartresult=dict&smartresult=rule‘keyword = raw_input(‘请输入要翻译的字符串： ‘)# headers作用模拟浏览器headers = {# "Accept": "application/json, text/javascript, */*; q=0.01",# "Connection": "keep-alive",# "Content-Type": "application/x-www-form-urlencoded; charset=UTF-8","Cookie": "你的浏览器cookie值","Referer": "http://fanyi.youdao.com/","User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.87 Safari/537.36",# "X-Requested-With": "XMLHttpRequest",}salt = str(int(time.time()*1000))m = hashlib.md5()str = "fanyideskweb" + keyword + salt + "ebSeFb%=XZ%T[KZ)c(sy!"m.update(str)sign = m.hexdigest().encode(‘utf-8‘)print(sign)# data为post请求数据data = {    "i":keyword,    "from":"AUTO",    "to":"AUTO",    "smartresult":"dict",    "client":"fanyideskweb",    "salt":salt,    "sign":sign,    "doctype":"json",    "version":"2.1",    "keyfrom":"fanyi.web",    "action":"FY_BY_REALTIME",    "typoResult":"false"}# 对post上传的数据进行urlencode编码data = urllib.urlencode(data)# urllib 仅可以接受URL，不能创建 Request 类实例，也不能设置参数headers ，但可以对url进行编码，而urllib2不能编码，所以经常一起使用# 而urllib2.urlopen(url)不能构造复杂的request，所以要使用urllib2.Request(url,data=data,headers=headers)，2者都是有data参数时表示post提交数据，headers的值为模仿浏览器请求头里面的的数据，格式为字典，让服务器接受的数据看起来像使用浏览器访问。request = urllib2.Request(url,data=data,headers=headers)response = urllib2.urlopen(request)print(response.read())

代码测试，如下图

使用python2爬取有道翻译