python爬蟲–爬取網易云音樂評論
文章目錄
- python爬蟲--爬取網易云音樂評論
- 1.簡易看出評論是動態加載的，一定是ajax方式，
- 2.通過網路抓包，可以找出評論請求的的URL
- 3.去查看post請求所上傳的資料
- 4.首先去查看請求是經過那些js到達服務器的
- 5.設定斷點：依次對所發送的內容進行觀察，找到評論對應的URL
- 6.查找加密函式
- 7.解讀加密函式
- 8.引數如何獲得：
- 9.這時只需找到某一個i以及它對應的encSecKey 即可完成服務器的驗證
- 全部代碼粘貼
- 效果圖
- 感想
方1：使用selenium模塊，簡單粗暴，但是雖然方便但是缺點也是很明顯，運行慢等等等，
方2：常規思路：直接去請求服務器
1.簡易看出評論是動態加載的，一定是ajax方式，
2.通過網路抓包，可以找出評論請求的的URL
得到請求的URL
3.去查看post請求所上傳的資料
顯然是經過加密的，現在就需要按著網易的思路去解讀加密程序，然后進行模擬加密，
4.首先去查看請求是經過那些js到達服務器的
5.設定斷點：依次對所發送的內容進行觀察，找到評論對應的URL
6.查找加密函式
（忽略查找程序）找到：加密函式在
通過查找，找到加密函式具體位置：
7.解讀加密函式
運用的是AES，模式是：CBC
function a(a) { a=16
var d, e, b = "abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789", c = "";
for (d = 0; a > d; d += 1)
e = Math.random() * b.length, #生成亂數
e = Math.floor(e), #取整
c += b.charAt(e); #取出b中對應位置的字符
return c
}
function b(a, b) {
var c = CryptoJS.enc.Utf8.parse(b)
, d = CryptoJS.enc.Utf8.parse("0102030405060708")
, e = CryptoJS.enc.Utf8.parse(a) #e是資料
, f = CryptoJS.AES.encrypt(e, c, { #c就是加密密鑰
iv: d, #iv是偏移量
mode: CryptoJS.mode.CBC # 模式：CBC加密
});
return f.toString()
}
function c(a, b, c) {
var d, e;
return setMaxDigits(131),
d = new RSAKeyPair(b,"",c),
e = encryptedString(d, a)
}
function d(d, e, f, g) { d：資料json串 e:"010001" f: g = "0CoJUm6Qyw8W8jud"
var h = {}
, i = a(16); #16位隨機值
return h.encText = b(d, g), g是密鑰
h.encText = b(h.encText, i), #回傳的就是params i是密鑰
h.encSecKey = c(i, e, f), #回傳的是encSecKey e和f定死，能產生變數的只能是i
h
function e(a, b, d, e) {
var f = {};
return f.encText = c(a + e, b, d),
f
}
window.asrsea = d
解讀該程序即可：代碼有注釋，
8.引數如何獲得：
function d(d, e, f, g) { d：資料json串 e:"010001" f: g = "0CoJUm6Qyw8W8jud"
var bZe2x = window.asrsea(JSON.stringify(i4m), brx6r(["流淚", "強"]), brx6r(Sc1x.md), brx6r(["愛心", "女孩", "驚恐", "大笑"]));
#使用網頁控制臺:發現都為定值;
9.這時只需找到某一個i以及它對應的encSecKey 即可完成服務器的驗證
拿到該值之后開始撰寫代碼
全部代碼粘貼
#1.找到未加密的引數 #通過函式window.asrsea()進行加密
#2.想辦法把引數進行加密，params--->encText encSecKey--->encSecKey
from Cryptodome.Cipher import AES
from base64 import b64encode
import requests,json
e = "010001"
f = "00e0b509f6259df8642dbc35662901477df22677ec152b5ff68ace615bb7b725152b3ab17a876aea8a5aa76d2e417629ec4ee341f56135fccf695280104e0312ecbda92557c93870114af6c9d05c4f7f0c3685b7a46bee255932575cce10b424d813cfe4875d3e82047b97ddef52741d546b8e289dc6935b3ece0462db0a22b8e7"
g = "0CoJUm6Qyw8W8jud"
i = "0hyFaCNAVzOIdoht"
url = 'https://music.163.com/weapi/comment/resource/comments/get?csrf_token='
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.105 Safari/537.36'
}
def get_encSecKey():
return "4022359ea3110bcd034e0160c3b89e5e172fd0110a3cf765d9f366d9fd09840a1f4a4705ac43719fdb8bfeb44d3b92334733061ad10942131184a4dfba0ac9d2cf867b8b6236523c1ca5f44c0d2d82c1c2665a3137a9241c7373539c1aa8e5e9bb9d33dafc764b5d76c2ab34fc94df85e27a934c8a603fa713f2cf38c2b7bbae"
def get_params(data): #data默認是json字串
first = enc_params(data,g)
second = enc_params(first,i)
return second
def to_16(data):
pad = 16-len(data)%16
data +=chr(pad) * pad
return data
def enc_params(data,key): #加密程序
iv = "0102030405060708"
data = to_16(data)
aes = AES.new(key=key.encode('utf-8'),IV=iv.encode('utf-8'),mode=AES.MODE_CBC) #創建加密器
bs = aes.encrypt(data.encode('utf-8')) #加密
return str(b64encode(bs),"utf-8") #轉化成字串
#處理加密程序
'''
function a(a) { a=16
var d, e, b = "abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789", c = "";
for (d = 0; a > d; d += 1)
e = Math.random() * b.length, #生成亂數
e = Math.floor(e), #取整
c += b.charAt(e); #取出b中對應位置的字符
return c
}
function b(a, b) {
var c = CryptoJS.enc.Utf8.parse(b)
, d = CryptoJS.enc.Utf8.parse("0102030405060708")
, e = CryptoJS.enc.Utf8.parse(a) #e是資料
, f = CryptoJS.AES.encrypt(e, c, { #c就是加密密鑰
iv: d, #iv是偏移量
mode: CryptoJS.mode.CBC # 模式：CBC加密
});
return f.toString()
}
function c(a, b, c) {
var d, e;
return setMaxDigits(131),
d = new RSAKeyPair(b,"",c),
e = encryptedString(d, a)
}
function d(d, e, f, g) { d：資料json串 e:"010001" f: g = "0CoJUm6Qyw8W8jud"
var h = {}
, i = a(16); #16位隨機值
return h.encText = b(d, g), g是密鑰
h.encText = b(h.encText, i), #回傳的就是params i是密鑰
h.encSecKey = c(i, e, f), #回傳的是encSecKey e和f定死，能產生變數的只能是i
h
}'''
if __name__ == '__main__':
page = int(input('請輸入需要爬取的頁數：'))
print('開始爬蟲！！！')
fp = open('./網易云評論.txt', 'w', encoding='utf-8')
for j in range(1,page+1):
page_num = str(j*20)
data = {
'csrf_token': "",
'cursor': "-1",
'offset': "0",
'orderType': "1",
'pageNo': "1",
'pageSize': page_num,
'rid': "R_SO_4_1376142151",
'threadId': "R_SO_4_1376142151"
}
response = requests.post(url,data={
"params":get_params(json.dumps(data)),
"encSecKey":get_encSecKey()
},headers=headers)
result = json.loads(response.content.decode('utf-8'))
#hotComments
for hot in range(len(result['data']['hotComments'])):
fp.write('hotComments' + ' ')
fp.write('昵稱：' + result['data']['hotComments'][hot]['user']['nickname'] + '\n')
fp.write('評論：' + result['data']['hotComments'][hot]['content'] + '\n')
if result['data']['hotComments'][hot]['user']['vipRights'] == None:
fp.write('vip:yes' + '\n')
else:
fp.write('vip:no' + '\n')
fp.write('點贊數' + str(result['data']['hotComments'][hot]['likedCount']) + '\n')
fp.write('-------------------------------------' + '\n')
#print(result['data']['hotComments'][1]['user']['nickname'])
#comments
for r in range(20):
fp.write('comments')
fp.write('昵稱：'+result['data']['comments'][r]['user']['nickname']+'\n')
fp.write('評論：'+result['data']['comments'][r]['content']+'\n')
if result['data']['comments'][r]['user']['vipRights'] == None:
fp.write('vip:yes'+'\n')
else:
fp.write('vip:no'+'\n')
fp.write('點贊數'+str(result['data']['comments'][r]['likedCount'])+'\n')
fp.write('-------------------------------------'+'\n')
print('爬取完畢！！！')
效果圖
感想
通過這次爬蟲實驗，在爬取的程序中，遇到各種困難，識訓很多，掌握遇到加密，該如何處理的步驟，以及拓寬自己的思路，去運用各種工具，以及各種自己想不到的思路，最起碼，下次遇到如此加密的資料獲取，心里有了一些底氣，
也了解了大互聯網公司對資料進行加密的一種方式，以及網頁運作的更深一步的了解，受益頗多，
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/274741.html
標籤：python