爬虫系列(四) 用urllib实现英语翻译

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

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

（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

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？

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

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 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？

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

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：