Python3爬蟲實例之網易雲音樂爬蟲
- 青灯夜游轉載
- 2018-10-23 16:35:154118瀏覽
本篇文章帶給大家的內容是Python3爬蟲實例之網易雲音樂爬蟲。有一定的參考價值，有需要的朋友可以參考一下，希望對你們有幫助。
這次的目標是爬取網易雲音樂上指定歌曲所有評論並產生詞雲
具體步驟：
一：實作JS加密
找到這個ajax介面沒什麼難度，問題在於傳遞的數據，是透過js加密得到的，因此需要查看js程式碼。
透過斷掉除錯可以找到資料是由core_8556f33641851a422ec534e33e6fa5a4.js?8556f33641851a422ec534e33ejs?8556f33641851a422ec534e33ejs?8556f33641851a422ec534e33ejs?8554.jseadoweadoweadoweadow的函數加密的。
透過進一步的查找，可以找到下面這個函數：
function() {
// 生成长度为16的随机字符串
function a(a) {
var d, e, b = "abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789", c = "";
for (d = 0; a > d; d += 1)
e = Math.random() * b.length,
e = Math.floor(e),
c += b.charAt(e);
return c
}
// 实现AES加密
function b(a, b) {
var c = CryptoJS.enc.Utf8.parse(b)
, d = CryptoJS.enc.Utf8.parse("0102030405060708")
, e = CryptoJS.enc.Utf8.parse(a)
, f = CryptoJS.AES.encrypt(e, c, {
iv: d,
mode: CryptoJS.mode.CBC
});
return f.toString()
}
// 实现RSA加密
function c(a, b, c) {
var d, e;
return setMaxDigits(131),
d = new RSAKeyPair(b,"",c),
e = encryptedString(d, a)
}
// 得到加密后的结果
function d(d, e, f, g) {
var h = {}
, i = a(16);
return h.encText = b(d, g),
h.encText = b(h.encText, i),
h.encSecKey = c(i, e, f),
h
}
function e(a, b, d, e) {
var f = {};
return f.encText = c(a + e, b, d),
f
}
}()
因此我們需要用Python實現上面四個函數。第一個產生隨機字串的函數沒難度，實現的程式碼如下：
# 生成随机字符串
def generate_random_string(length):
string = "abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789"
# 初始化随机字符串
random_string = ""
# 生成一个长度为length的随机字符串
for i in range(length):
random_string += string[int(floor(random() * len(string)))]
return random_string第二個是實作AES加密的函數，而用AES加密需要使用Crypto這個函式庫。 如果沒有安裝這個函式庫的話，需要先安裝pycrypto函式庫，然後再安裝Crypto函式庫。在成功安裝之後，如果import的時候沒有Crypto而只有crypto，先打開Python安裝目錄下的Lib\site-packages\crypto資料夾，如果裡面有Cipher資料夾，就回到 Lib\site-packages目錄下把crypto重新命名為Crypto，然後應該就可以成功導入了。
由於AES加密的明文長度必須是16的倍數，因此我們需要對明文進行必要的填充，以滿足它的長度是16的倍數，AES加密的模式是AES.MODE_CBC,初始化向量iv ='0102030405060708′。
實作AES加密的程式碼如下：
# AES加密
def aes_encrypt(msg, key):
# 如果不是16的倍数则进行填充
padding = 16 - len(msg) % 16
# 这里使用padding对应的单字符进行填充
msg += padding * chr(padding)
# 用来加密或者解密的初始向量(必须是16位)
iv = '0102030405060708'
# AES加密
cipher = AES.new(key, AES.MODE_CBC, iv)
# 加密后得到的是bytes类型的数据
encrypt_bytes = cipher.encrypt(msg)
# 使用Base64进行编码,返回byte字符串
encode_string = base64.b64encode(encrypt_bytes)
# 对byte字符串按utf-8进行解码
encrypt_text = encode_string.decode('utf-8')
# 返回结果
return encrypt_text第三個是實作RSA加密的函數，在RSA加密中，明文和密文都是數字， RSA的密文是對代表明文的數字的E次方求mod N 的結果， RSA加密後得到的字串長為256，這裡不夠長我們用x字元填滿。
實作RSA加密的程式碼如下：
# RSA加密
def rsa_encrypt(random_string, key, f):
# 随机字符串逆序排列
string = random_string[::-1]
# 将随机字符串转换成byte类型数据
text = bytes(string, 'utf-8')
# RSA加密
sec_key = int(codecs.encode(text, encoding='hex'), 16) ** int(key, 16) % int(f, 16)
# 返回结果
return format(sec_key, 'x').zfill(256)第四個函數是得到兩個加密參數的函數，傳入的四個參數，第一個參數JSON.stringify (i3x)是以下內容，其中offset和limit參數是必須要有的，offset的值是(頁數-1)*20，limit的值是20
'{"offset":'+str(offset)+',"total":"True","limit":"20","csrf_token":""}'第二個參數，第三個參數和第四個參數的值都是根據Zj4n.emj得到的：
#encText的值是經過兩次AES加密得到的，encSecKey是透過RSA加密得到的，實現的具體程式碼如下：
# 获取参数
def get_params(page):
# 偏移量
offset = (page - 1) * 20
# offset和limit是必选参数,其他参数是可选的
msg = '{"offset":' + str(offset) + ',"total":"True","limit":"20","csrf_token":""}'
key = '0CoJUm6Qyw8W8jud'
f = '00e0b509f6259df8642dbc35662901477df22677ec152b5ff68ace615bb7b725152b3ab17a87' \
'6aea8a5aa76d2e417629ec4ee341f56135fccf695280104e0312ecbda92557c93870114af6c9' \
'd05c4f7f0c3685b7a46bee255932575cce10b424d813cfe4875d3e82047b97ddef52741d546b' \
'8e289dc6935b3ece0462db0a22b8e7'
e = '010001'
# 生成长度为16的随机字符串
i = generate_random_string(16)
# 第一次AES加密
enc_text = aes_encrypt(msg, key)
# 第二次AES加密之后得到params的值
encText = aes_encrypt(enc_text, i)
# RSA加密之后得到encSecKey的值
encSecKey = rsa_encrypt(i, e, f)
return encText, encSecKey二、解析並保存評論
透過查看preview的資訊可以發現使用者名稱和評論內容都是保存在json格式的資料裡的
因此解析起來會很容易，直接提取nickname和content就好了。對於得到的數據，都保存在以歌名為檔名的txt檔中。實現的程式碼如下：
# 爬取评论内容
def get_comments(data):
# data=[song_id,song_name,page_num]
url = 'https://music.163.com/weapi/v1/resource/comments/R_SO_4_' + str(data[0]) + '?csrf_token='
# 得到两个加密参数
text, key = get_params(data[2])
# 发送post请求
res = requests.post(url, headers=headers, data={"params": text, "encSecKey": key})
if res.status_code == 200:
print("正在爬取第{}页的评论".format(data[2]))
# 解析
comments = res.json()['comments']
# 存储
with open(data[1] + '.txt', 'a', encoding="utf-8") as f:
for i in comments:
f.write(i['content'] + "\n")
else:
print("爬取失败！")三、生成詞雲
在進行這一步之前，需要先安裝好jieba和wordcloud兩個模組，jieba模組是一個用於中文分詞的模組，wordcloud模組是一個用於生成詞雲的模組，可以自行了解學習。
這部分就不贅述了，具體程式碼如下：
# 生成词云 def make_cloud(txt_name): with open(txt_name + ".txt", 'r', encoding="utf-8") as f: txt = f.read() # 结巴分词 text = ''.join(jieba.cut(txt)) # 定义一个词云 wc = WordCloud( font_path="font.ttf", width=1200, height=800, max_words=100, max_font_size=200, min_font_size=10 ) # 生成词云 wc.generate(text) # 保存为图片 wc.to_file(txt_name + ".png")
完整程式碼已經上傳到github（包括font.ttf檔案）：https://github.com/QAQ112233/WangYiYun
以上是Python3爬蟲實例之網易雲音樂爬蟲的詳細內容。更多資訊請關注PHP中文網其他相關文章！