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，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

（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 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？

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：

【爬虫系列相关文章】