用Python爬取中国新说唱歌曲信息

登录https://music.163.com/ 网易云音乐搜索新说唱,打开Chrome的开发工具工具选择Network并重新加载页面,找到与评论数据相关的请求即name为web?csrf_token=的POST请求,如下图所示

那么在学习之前咱们得有一个明确的学习目标,详细的学习线路,做到不盲目学习,少走弯路,在这里给大家分享一些python入门的学习教程和方法,以及目前python最新的学习线路,欢迎大家加入python学习交流qq群:250933691

查看该请求的headers我们发现formData包含了两个参数:params、encSecKey。显然这两个参数是经过js加密的,这就是网易云反爬虫的一种策略。如下图:

我们再来看一下请求的Initiator有个core 2ab1b2b..js。因此我们需要分析一下这个js,找出formData加密的规则即可。

将js文件进行格式化,全局搜索params或者encSecKey

params和encSecKey是从bSC8u这个对象中取的

k8c.cE9v({

params: bSC8u.encText,

encSecKey: bSC8u.encSecKey

})

而这个对象是由windows.asrsea() 这个方法获得的,定位到该方法。如下图所示:

通过分析代码我们发现 d函数才是最终的出口。分析d函数:

1、通过 a(16) 函数生成一个长度为16的随机字符串

2、encText这个参数通过两次调用 b(a,b)  函数完成,这个函数的作用为AES加密

3、调用 c(i, e, f)得到encSecKey,这个函数的作用是进行RSA加密

AES加密

AES(Advanced Encryption Standard)对称加密算法是一种高级数据加密标准,是美国联邦政府采用的一种区块加密标准,可有效抵制针对DES的攻击算法。特点:密钥建立时间短、灵敏性好、内存需求低、安全性高。

RSA加密

RSA加密算法是一种非对称加密算法。在公开密钥加密和电子商业中RSA被广泛使用。到目前为止,世界上还没有任何可靠的攻击RSA算法的方式。只要其钥匙的长度足够长,用RSA加密的信息实际上是不能被解破的。

通过上面分析,除了 i 是一个随机字符串,我们只需要知道d、e、f、g这四个参数就可以构造请求进行后续操作了。接下来我们进行js断点调试。

经过多次调试,我们发现e、f、g这三个值是不变的,唯一改变的是d。再结合上文分析,encSecKey由函数c(i, e, f)得到的,那是不是就意味着encSeckey这个值时不变的呢?

然而,经过代码测试并不是这样,要保证encSecKey和params中的随机字符串(也就是i的值)是一样的才可以。

首先我们先实现函数a,即生成16位的随机字符

#生成随机长度为16的字符串的二进制编码

defrandom_b():

seed ="1234567890abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ"

sa = []

foriinrange(16):

sa.append(random.choice(seed))

salt =''.join(sa)

returnbytes(salt,'utf-8')

# 更简单的做法

# return bytes(''.join(random.sample('1234567890DeepDarkFantasy', 16)), 'utf-8')

其次来实现加密参数的生成(说白了就是翻译js代为为python代码)

#第二参数,rsa公匙组成

pub_key ="010001"

#第三参数,rsa公匙组成

modulus ="00e0b509f6259df8642dbc35662901477df22677ec152b5ff68ace615bb7b725152b3ab17a876aea8a5aa76d2e417629ec4ee341f56135fccf695280104e0312ecbda92557c93870114af6c9d05c4f7f0c3685b7a46bee255932575cce10b424d813cfe4875d3e82047b97ddef52741d546b8e289dc6935b3ece0462db0a22b8e7"

#第四参数,aes密匙

secret_key =b'0CoJUm6Qyw8W8jud'

"""

AES 加密

"""

defaes_encrypt(text, key):

# 偏移量

iv =b'0102030405060708'

# 对长度不是16倍数的字符串进行补全,然后在转为bytes数据

pad =16- len(text) %16

try:

# 如果接到bytes数据(如第一次aes加密得到的密文)要解码再进行补全

text = text.decode()

except:

pass

text = text + pad * chr(pad)

try:

text = text.encode()

except:

pass

encryptor = AES.new(key, AES.MODE_CBC, iv)

ciphertext = encryptor.encrypt(text)

ciphertext = base64.b64encode(ciphertext).decode('utf-8')# 得到的密文还要进行base64编码

returnciphertext

"""

RSA 加密

"""

defrsa_encrypt(random_char):

text = random_char[::-1]#明文处理,反序并hex编码

rsa = int(binascii.hexlify(text),16) ** int(pub_key,16) % int(modulus,16)

returnformat(rsa,'x').zfill(256)

"""

构造params

"""

defaes_param(data):

text = json.dumps(data)

random_char = random_b()

params = aes_encrypt(text, secret_key)#两次aes加密

params = aes_encrypt(params, random_char)

enc_sec_key = rsa_encrypt(random_char)

data = {

'params': params,

'encSecKey': enc_sec_key

}

returndata

最后参数构造完毕,就可以开始咱们的爬虫了

由于RSA是非对称加密,无法通过encSecKey解密出i,没有i也就无法解密params,所以也就只能对每个接口进行断点调试,观察请求的构造。通过实验我发现

搜索歌曲的data为:

data = {"hlpretag":"<span class=\"s-fc7\">",

"hlposttag":"</span>",

"s":"中国新说唱",

"type":"1",

"offset":"0",

"total":"true",#仅在页码为0时为true

"limit":"30",

"csrf_token":""

}

查询歌曲信息的data:

{

"id": song_id,#歌曲id

"lv":-1,

"tv":-1,

"csrf_token":""

}

接下来就可以开始写爬虫了,分析网页请求我们发现搜索歌曲的时候响应是在

https://music.163.com/weapi/cloudsearch/get/web?csrf_token= 这个请求里响应的

歌词信息由https://music.163.com/weapi/song/lyric?csrf_token=这个请求响应的

ok!!! 万事俱备,开始Coding

"""

请求头

在这里不能将Referer固定写死

因为在搜索歌曲的时候请求的Referer为:https://music.163.com/search/

而查看歌词的时候请求的Referer为:'https://music.163.com/song?id=歌曲id

"""

headers = {

'Connection':'keep-alive',

'User-Agent':'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36',

'Host':'music.163.com',

'Origin':'https://music.163.com',

}

"""

通过歌曲id爬歌词内容

"""

deffind_song_word(song_id):

referer ='https://music.163.com/song?id='+ song_id

headers['Referer'] = referer

url ='https://music.163.com/weapi/song/lyric?csrf_token='

param = {"id": song_id,"lv":-1,"tv":-1,"csrf_token":""}

data = aes_param(param)

result = requests.post(url, data=data, headers=headers)

result = result.json()

returnresult['lrc']['lyric']

# mongo服务

client = pymongo.MongoClient('mongodb://127.0.0.1:27017/')

# song数据库

db = client.song

# song_detail表,没有自动创建

detail_db = db.song_detail

if__name__ =='__main__':

# 搜索歌曲url

query_url ='https://music.163.com/weapi/cloudsearch/get/web?csrf_token='

data = {"hlpretag":"<span class=\"s-fc7\">",

"hlposttag":"</span>",

"s":"中国新说唱",

"type":"1",

"offset":"0",

"total":"true",

"limit":"30",

"csrf_token":""

}

data = aes_param(data)

referer ='https://music.163.com/search/'

headers['Referer'] = referer

result = requests.post(query_url, data=data, headers=headers)

result = result.json()

songs = result['result']['songs']

foriinsongs:

songer = []

# 歌曲id

song_id = i['id']

# 歌词

song_content = find_song_word(str(song_id))

# 歌曲名

song_name = i['name']

song_arr = i['ar']

# 一首歌可能多人唱, 是个列表 需要遍历

forkinsong_arr:

song_dict = {'id': k['id'],'name': k['name']}

songer.append(song_dict)

# 存入mongodb

detail_db.insert({'song_id': song_id,'name': song_name,'songer': songer,'content': song_content})

运行之后查看数据库

现在我们有了Rap歌手的id,从全网爬他们的说唱歌曲还不是so easy

那么在学习之前咱们得有一个明确的学习目标,详细的学习线路,做到不盲目学习,少走弯路,在这里给大家分享一些python入门的学习教程和方法,以及目前python最新的学习线路,欢迎大家加入python学习交流qq群:250933691

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 213,099评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,828评论 3 387
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 158,540评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,848评论 1 285
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,971评论 6 385
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,132评论 1 291
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,193评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,934评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,376评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,687评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,846评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,537评论 4 335
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,175评论 3 317
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,887评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,134评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,674评论 2 362
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,741评论 2 351

推荐阅读更多精彩内容