爬虫系列(四) 用urllib实现英语翻译

489次阅读
没有评论

这篇文章我们将以 百度翻译 为例,分析网络请求的过程,然后使用 urllib 编写一个英语翻译的小模块

1、准备工作

首先使用 Chrome 浏览器打开 百度翻译,然后选择 Chrome 浏览器自带的开发者工具对网站进行抓包分析

爬虫系列(四)

2、抓包分析

打开 Network 选项卡进行监控,并选择 XHR 作为 Filter 进行过滤

然后,我们在输入框中输入待翻译的文字进行测试,可以看到列表中出现三个数据包

分别是 sug、v2transapi 和 langdetect,下面我们一个一个进行分析

爬虫系列(四)

(1)分析 sug 数据包

① 打开 sug 数据包的 Preview 选项卡查看响应结果,太棒了,里面有我们需要的翻译结果

爬虫系列(四)

② 然后,我们可以打开 sug 数据包的 Headers 选项卡分析请求数据,使用程序模拟发送请求,基本信息如下:

  • General:基本参数
    • Request URL : https://fanyi.baidu.com/sug —— 请求网址
    • Request Method : POST —— 请求方法,POST 请求方法的请求参数放在 Form Data 中
  • Request Headers:请求头部
    • User-Agent : Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.67 Safari/537.36 —— 用户代理
  • Form Data:表单数据
    • kw : 你好 —— 翻译的内容

③ 下面祭上完整的代码

import urllib.request import urllib.parse import json

def translate(text): # 参数检验 if not text: return 'None' # 请求网址 url = "https://fanyi.baidu.com/sug" # 表单数据 params = { 'kw':text } data = urllib.parse.urlencode(params).encode('utf-8') # 请求头部 headers = { 'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36' } # 构造请求对象 req = urllib.request.Request(url=url,data=data,headers=headers) # 发送请求,获得响应 response = urllib.request.urlopen(req) # 解析数据 content = json.loads(response.read().decode('utf-8')) if content['errno'] == 0: # 一切正常 result = content['data'][0]['v'] else: # 发生错误 result = 'Error' # 返回结果 return result

if __name__ == "__main__": while True : text = input('翻译内容:') result = translate(text) print("翻译结果:%s" % result)

OK,一切完美解决!

等等,真的就这样结束了吗?

爬虫系列(四)

可以看到,上面的代码虽然可以完美翻译中文和英文,但是却不能翻译句子!

这可怎么办呀?别急,不是还有两个数据包没有分析嘛,再看看还有没有其它办法吧

(2)分析 v2transapi 数据包

① 打开 v2transapi 数据包的 Preview 选项卡查看响应结果,这里面竟然也有我们需要的翻译结果

爬虫系列(四)

② 接下来,我们还是打开 v2transapi 数据包的 Headers 选项卡查看请求数据,其基本信息如下:

  • General:基本参数
    • Request URL : https://fanyi.baidu.com/v2transapi —— 请求网址
    • Request Method : POST —— 请求方法,POST 请求方法的请求参数放在 Form Data 中
  • Request Headers:请求头部
    • User-Agent : Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.67 Safari/537.36 —— 用户代理
  • Form Data:表单数据
    • query : 你好 —— 翻译的内容
    • from : zh —— 翻译内容的语言类型,zh 代表中文,设置为 auto 可自动检测
    • to : en —— 翻译结果的语言类型,en 代表英文,设置为 auto 可自动检测
    • sign 和 token:加密参数

唉,只想简简单单爬个翻译,竟然还要涉及密码破解,没办法,只好请教百度了

一查才知道,原来百度翻译有一个公开的 API,根本就不需要涉及加密解密

只需要把上面的请求地址改成 https://fanyi.baidu.com/transapi 就可以了

③ 下面同样祭上完整的代码,其实和上面的十分类似

import urllib.request import urllib.parse import json

def translate(text): # 参数检验 if not text: return 'None' # 请求网址 url = "https://fanyi.baidu.com/transapi" # 表单数据 params = { 'query':text, 'from':'auto', 'to':'auto' } data = urllib.parse.urlencode(params).encode('utf-8') # 请求头部 headers = { 'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36' } # 构造请求对象 req = urllib.request.Request(url=url,data=data,headers=headers) # 发送请求,获得响应 response = urllib.request.urlopen(req) # 解析数据 content = json.loads(response.read().decode('utf-8')) result = content['data'][0]['dst'] # 返回结果 return result

if __name__ == "__main__": while True : text = input('翻译内容:') result = translate(text) print("翻译结果:%s" % result)

下面我们来看看效果如何?

爬虫系列(四)

嗯,效果还可以,终于也能够翻译句子了!

3、相关拓展

有道翻译的爬取和百度翻译的十分类似,这里也顺便提及一下

爬虫系列(四)

我们还是先来打开数据包的 Headers 选项卡查看请求数据,其基本信息如下:

  • General:基本参数
    • Request URL : http://fanyi.youdao.com/translate_o —— 请求网址
    • Request Method : POST —— 请求方法,POST 请求方法的请求参数放在 Form Data 中
  • Request Headers:请求头部
    • User-Agent : Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.67 Safari/537.36 —— 用户代理
  • Form Data:表单数据
    • i: 你好 —— 翻译的内容
    • doctype : json —— 数据类型,指定为 JSON
    • from : AUTO —— 翻译内容的语言类型,自动检测
    • to : AUTO —— 翻译结果的语言类型,自动检测
    • sign 和 salt:加密参数

和百度翻译的很类似,都设置了加密参数,怎么办?也和百度翻译类似,修改一下请求地址就好

话不多说,直接放代码:

import urllib.request import urllib.parse import json

def translate(text): # 参数检验 if not text: return 'None' # 请求网址 url = "https://fanyi.youdao.com/translate" # 表单数据 params = { 'i':text, 'doctype':'json', 'from':'AUTO', 'to':'AUTO' } data = urllib.parse.urlencode(params).encode('utf-8') # 请求头部 headers = { 'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36' } # 构造请求对象 req = urllib.request.Request(url=url,data=data,headers=headers) # 发送请求,获得响应 response = urllib.request.urlopen(req) # 解析数据 content = json.loads(response.read().decode('utf-8')) if content['errorCode'] == 0: # 一切正常 result_tup = (item['tgt'] for item in content['translateResult'][0]) result = ''.join(result_tup) else: # 发生错误 result = 'Error' # 返回结果 return result

if __name__ == "__main__": while True : text = input('翻译内容:') result = translate(text) print("翻译结果:%s" % result)

效果演示:

爬虫系列(四)

神龙|纯净稳定代理IP免费测试>>>>>>>>天启|企业级代理IP免费测试>>>>>>>>IPIPGO|全球住宅代理IP免费测试

相关文章:

版权声明:Python教程2022-10-24发表,共计4467字。
新手QQ群:570568346,欢迎进群讨论 Python51学习