今天带来一个小小的例子，众所周知，如果看到不懂得英语单词，句子，肯定需要翻译工具来辅助我们进行学习，所以我们趁热打铁，上节课学习了 urllib这个爬虫工具库，我们接下来小试牛刀吧
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，这里，我们选择 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
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
Request Method : POST
Request Headers：请求头部
User-Agent:Mozilla/5.0(WindowsNT10.0;Win64;x64) AppleWebKit/537.36(KHTML,likeGecko)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)
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，
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)
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
Request Headers：请求头部
User-Agent:Mozilla/5.0(WindowsNT 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)
