Python3爬虫实例之网易云音乐爬虫
- 青灯夜游转载
- 2018-10-23 16:35:154133浏览
本篇文章给大家带来的内容是Python3爬虫实例之网易云音乐爬虫。有一定的参考价值，有需要的朋友可以参考一下，希望对你们有所帮助。
此次的目标是爬取网易云音乐上指定歌曲所有评论并生成词云
具体步骤：
一：实现JS加密
找到这个ajax接口没什么难度，问题在于传递的数据，是通过js加密得到的，因此需要查看js代码。
通过断掉调试可以找到数据是由core_8556f33641851a422ec534e33e6fa5a4.js?8556f33641851a422ec534e33e6fa5a4.js里的window.asrsea函数加密的。
通过进一步的查找，可以找到下面这个函数：
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
}
}()
因此我们需要用Python实现上面四个函数。第一个生成随机字符串的函数没难度，实现的代码如下：
# 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第二个是实现AES加密的函数，而用AES加密需要使用Crypto这个库。 如果没有安装这个库的话，需要先安装pycrypto库，然后再安装Crypto库。 在成功安装之后，如果import的时候没有Crypto而只有crypto，先打开Python安装目录下的Lib\site-packages\crypto文件夹，如果里面有Cipher文件夹，就返回到 Lib\site-packages目录下把crypto重命名为Crypto，然后应该就可以成功导入了。
由于AES加密的明文长度必须是16的倍数，因此我们需要对明文进行必要的填充，以满足它的长度是16的倍数，AES加密的模式是AES.MODE_CBC,初始化向量iv='0102030405060708′。
实现AES加密的代码如下：
# 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第三个是实现RSA加密的函数，在RSA加密中，明文和密文都是数字， RSA的密文是对代表明文的数字的E次方求mod N 的结果， RSA加密后得到的字符串长为256，这里不够长我们用x字符填充。
实现RSA加密的代码如下：
# 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)第四个函数是得到两个加密参数的函数，传入的四个参数，第一个参数JSON.stringify(i3x)是以下内容，其中offset和limit参数是必须要有的，offset的值是(页数-1)*20，limit的值是20
'{"offset":'+str(offset)+',"total":"True","limit":"20","csrf_token":""}'第二个参数，第三个参数和第四个参数的值都是根据Zj4n.emj得到的：
encText的值是通过两次AES加密得到的，encSecKey是通过RSA加密得到的，实现的具体代码如下：
# 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、解析并保存评论
通过查看preview的信息可以发现用户名和评论内容都是保存在json格式的数据里的
因此解析起来会很容易，直接提取nickname和content就好了。对于得到的数据，都保存在以歌名为文件名的txt文件中。实现的代码如下：
# 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、生成词云
在进行这一步之前，需要先安装好jieba和wordcloud两个模块，jieba模块是一个用于中文分词的模块，wordcloud模块是一个用于生成词云的模块，可以自行了解学习。
这部分就不赘述了，具体代码如下：
# 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")
完整代码已经上传到github（包括font.ttf文件）：https://github.com/QAQ112233/WangYiYun
以上是Python3爬虫实例之网易云音乐爬虫的详细内容。更多信息请关注PHP中文网其他相关文章！