通过python爬虫完成百度翻译
本帖最后由 牵手丶若相惜 于 2020-11-12 17:04 编辑仅限学习 ！仅限学习 ！！仅限学习！！！
本人写了两种 一种是给小白学习 另一种是给有点基础的来学习
第一种：只能实现中英互译
第二种：理论所有翻译都能实现 但是我只写了中译英 有兴趣可以自己来补全 通过修改 from 和 to来完成
例如 "from":"en","to":"zh" 就是英译中，"from":"zh","to":"en"就是中译英
————————————————————————————
第一种 （小白版）：百度翻译没有对这个叫做sug的url做任何的反爬虫机制
import requests
# 浏览器代{过}{滤}理
headers = {
"user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.97 Safari/537.36"
}
Unknown = input("请输入你要翻译的内容：")
url = "https://fanyi.baidu.com/sug"
data = { "kw":Unknown }
values = requests.post(url,data=data,headers=headers).json()
x = 1
# 判断字符串是否包含中文
for i in Unknown:
# 中文在正则里的范围是\u4e00-\u9fff
if u'\u4e00' <= i <= u'\u9fff':
x = 0
break
# 英译中 和 中译英 输出的不一样 所有两种输出方法
if x!=0:
print(values["data"]["v"])
else:
# 因为中文的翻译输出的英文会包含中文的拼音 所以这里处理掉了
value = values["data"]["v"].split("]")
print(value.replace(" ",""))
——————————————————
第二种（有点基础版）：这个地址做了两个反爬虫机制
一个是通过sign（动态的）：可以通过js断点找到这个算法 然后把算法复制下来加载到python中，也可以分析算法在你的 代码中实现，反正我复制的，然后用execjs加载的 下载execjs库 在cmd里用 pip install PyExecjs
一个是token（一个电脑一个）：初步估计是通过ip和一些什么东西加密而成 ，有兴趣的可以自己研究一下
代码里的cookie改为你自己的 ，token也改成你自己的 代码如下（不会改的 还是玩第一种去吧）{:301_997:}：
import requests
import execjs
# 浏览器代{过}{滤}理
header = {
"user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.97 Safari/537.36",
"referer": "https://fanyi.baidu.com/?aldtype=16047",
# cookie的值为你自己的 我在此没进行赋值
"cookie": ""
}
# 全局变量 用来存放data 和 parament
data = {}
parament = {}
# 用来判断输入的字符串 是否包含中文
def Judgement_language(Unknown):
x = 1
for i in Unknown:
# 中文在正则里的范围是\u4e00-\u9fff
if u'\u4e00' <= i <= u'\u9fff':
x = 0
break
# 包含中文就是中译英
if x!=0:
form = "en"
to = "zh"
# 不包含中文则是英译中
else:
form = "zh"
to = "en"
return form,to
# 用来获取sign
def judge_sign(Unknown):
# 加载js里的算法 计算出sign
JsData = execjs.compile("""
function e(r) {
var i = "320305.131321201"
var o = r.match(/[\uD800-\uDBFF][\uDC00-\uDFFF]/g);
if (null === o) {
var t = r.length;
t > 30 && (r = "" + r.substr(0, 10) + r.substr(Math.floor(t / 2) - 5, 10) + r.substr(-10, 10))
} else {
for (var e = r.split(/[\uD800-\uDBFF][\uDC00-\uDFFF]/), C = 0, h = e.length, f = []; h > C; C++)
"" !== e && f.push.apply(f, a(e.split(""))),
C !== h - 1 && f.push(o);
var g = f.length;
g > 30 && (r = f.slice(0, 10).join("") + f.slice(Math.floor(g / 2) - 5, Math.floor(g / 2) + 5).join("") + f.slice(-10).join(""))
}
var u = void 0
, l = "" + String.fromCharCode(103) + String.fromCharCode(116) + String.fromCharCode(107);
u = null !== i ? i : (i = window || "") || "";
for (var d = u.split("."), m = Number(d) || 0, s = Number(d) || 0, S = [], c = 0, v = 0; v < r.length; v++) {
var A = r.charCodeAt(v);
128 > A ? S = A : (2048 > A ? S = A >> 6 | 192 : (55296 === (64512 & A) && v + 1 < r.length && 56320 === (64512 & r.charCodeAt(v + 1)) ? (A = 65536 + ((1023 & A) << 10) + (1023 & r.charCodeAt(++v)),
S = A >> 18 | 240,
S = A >> 12 & 63 | 128) : S = A >> 12 | 224,
S = A >> 6 & 63 | 128),
S = 63 & A | 128)
}
for (var p = m, F = "" + String.fromCharCode(43) + String.fromCharCode(45) + String.fromCharCode(97) + ("" + String.fromCharCode(94) + String.fromCharCode(43) + String.fromCharCode(54)), D = "" + String.fromCharCode(43) + String.fromCharCode(45) + String.fromCharCode(51) + ("" + String.fromCharCode(94) + String.fromCharCode(43) + String.fromCharCode(98)) + ("" + String.fromCharCode(43) + String.fromCharCode(45) + String.fromCharCode(102)), b = 0; b < S.length; b++)
p += S,
p = n(p, F);
return p = n(p, D),
p ^= s,
0 > p && (p = (2147483647 & p) + 2147483648),
p %= 1e6,
p.toString() + "." + (p ^ m)
}
function n(r, o) {
for (var t = 0; t < o.length - 2; t += 3) {
var a = o.charAt(t + 2);
a = a >= "a" ? a.charCodeAt(0) - 87 : Number(a),
a = "+" === o.charAt(t + 1) ? r >>> a : r << a,
r = "+" === o.charAt(t) ? r + a & 4294967295 : r ^ a
}
return r
}
""").call("e", Unknown)# 给e传递参数
return JsData
# 传入form，to 和 待翻译的字符串 和 sign
def data_paraments(language,Unknown,sign):
# 声明使用全局变量
global data,parament
# post请求url需要的data数据
data = {
"from": language,
"to": language,
"query": Unknown,
"simple_means_flag": "3",
"sign": sign,
# 把token修改为自己的 在此没进行赋值
"token": ""
}
# 地址后面的后缀
parament = {
"from": language,
"to": language
}
if __name__ == '__main__':
# 待翻译的内容
Unknown = input("请输入你要翻译的内容：")
# 获取form 和 to
language = Judgement_language(Unknown)
# 获取 sign
sign = judge_sign(Unknown)
# 传入参数构造data 和 paraments
data_paraments(language,Unknown,sign)
# 请求url
translates = requests.post(url="https://fanyi.baidu.com/v2transapi", data=data, params=parament,headers=header).json()
# 提取需要的内容
translate = translates["trans_result"]["data"]["dst"]
print(translate)
百度一下爬虫的意思 雷晨 发表于 2019-11-22 18:58
大佬你好，请问那种需要邀请码注册成会员的那种网站，python能模拟成会员吗？
不能模拟会员 但是能把会员能看的东西 给爬取下来 谢谢分享 这……该怎么说好呢 哪有这么复杂啊。。。而且你这也不是爬虫 谢谢分享 谢谢分享百度一下爬虫 好贴，学习了！ 学习了！！