Python 爬取有道翻译API

参考：

1. 【Python】有道翻译的爬虫实现（后篇）
2. 用Python破解有道翻译反爬虫机制

我昨天用的正规有道API测试翻译小说，结果很快就炸了。所以找了下怎么爬取有道翻译主页。

主要步骤：

1. chrome F12查看表单数据
2. 查看网页源代码，找到类似这样的js文件（因为可能经常会变，比如参考资料中的第二个里面的js文件已经找不到了）：<script type="text/javascript" src="http://shared.ydstatic.com/fanyi/newweb/v1.0.9/scripts/newweb/fanyi.min.js"></script>
3. 复制js文件，格式化
4. 在里面查找'salt'关键字，我找到的是这个：

        function (e, t) {
            var n = e("./jquery-1.7");
            e("./md5");
            e("./utils");
            var r = null;
            t.asyRequest = function (e) {
                var t = e.i,
                    i = "" + ((new Date).getTime() + parseInt(10 * Math.random(), 10)),
                    o = n.md5("fanyideskweb" + t + i + "ebSeFb%=XZ%T[KZ)c(sy!");
                r && r.abort(),
                    r = n.ajax({
                        type: "POST",
                        contentType: "application/x-www-form-urlencoded; charset=UTF-8",
                        url: "/bbk/translate_m.do",
                        data: {
                            i: e.i,
                            client: "fanyideskweb",
                            salt: i,
                            sign: o,
                            tgt: e.tgt,
                            from: e.from,
                            to: e.to,
                            doctype: "json",
                            version: "3.0",
                            cache: !0
                        },
                        dataType: "json",
                        success: function (t) {
                            t && 0 == t.errorCode ? e.success && e.success(t) : e.error && e.error(t)
                        },
                        error: function (e) {
                        }
                    })
            }
        }),

5. 分析下它的加密算法，其实很简单，就是一个常量“fanyideskweb” + 要翻译的内容 + 时间戳和随机数 + 一个常量"ebSeFb%=XZ%T[KZ)c(sy!"（很显然，这个常量可能会时不时的变），然后再把这整个字符串进行MD5就得到了sign
6. 根据这个写成python：

def translate(content):
    url = "http://fanyi.youdao.com/translate_o?smartresult=dict&smartresult=rule"
    S = "fanyideskweb"
    n = content
    r = str(int(time.time() * 1000) + random.randint(1, 10))
    D = "ebSeFb%=XZ%T[KZ)c(sy!"
    sign = hashlib.md5((S + n + r + D).encode('utf-8')).hexdigest()
    data = {"i": content,
            "from": "AUTO",
            "to": "AUTO",
            "smartresult": "dict",
            "client": "fanyideskweb",
            "salt": r,
            "sign": sign,
            "doctype": "json",
            "version": "2.1",
            "keyfrom": "fanyi.web",
            "action": "FY_BY_CLICKBUTTION",
            "typoResult": "false"}
    headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/66.0.3359.181 Safari/537.36",
        "Referer": "http://fanyi.youdao.com/",
        "Cookie": "OUTFOX_SEARCH_USER_ID=-1038070705@10.168.8.63; JSESSIONID=aaaP2Qy4ztAfyfZRXzktw; OUTFOX_SEARCH_USER_ID_NCOO=570232601.9713346; fanyi-ad-id=47865; fanyi-ad-closed=1; ___rl__test__cookies=1532406668184"}
    response = requests.post(url, headers=headers, data=data).content.decode('utf-8')
    logging.debug(response)
    result = json.loads(response)['translateResult'][0][0]['tgt']
    print(result)

其中的header部分是我直接从参考资料1里面拷下来的。好吧，其实大部分都是。。。

但是这个函数还是有点问题的，因为它只返回了翻译结果中的第一个数组。把json结果提取出来合并成一个字符串可以看这篇文章：Python 列表生成式解析json

顺便说一句，使用未公开的API进行商业用途好像是违法的。所以这个最多只能用来学习测试用哦！