Python简单网抑云数据采集 JS逆向

news2024/11/24 5:45:44

嗨喽，大家好呀~这里是爱看美女的茜茜呐

环境使用:

Python 3.10
Pycharm

模块使用:

requests -> pip install requests
execjs -> pip install execjs

爬虫实现基本思路流程:

一. 数据来源分析:

明确需求: 明确采集的网站以及数据内容
- 网址: https://music.163.com/#/discover/toplist?id=3779629
- 数据: 歌曲内容
抓包分析: 分析歌曲播放链接地址是那个, 怎么获得
- 打开开发者工具: F12 / 右键点击检查选择network (网络)
- 点击播放歌曲
- 找到音乐播放链接地址: (选择媒体文件 media)
  播放链接: https://m704.music.126.net/20231209203449/814a6a477dc83f8002fa2a08b16f38ba/jdyyaac/obj/w5rDlsOJwrLDjj7CmsOj/31966535088/1b87/d918/e5fe/cc565b1103eadc6fd1a967372bfe9420.m4a?authSecret=0000018c4e7bde2719dd0aaba0891864
- 继续分析, 播放链接是从哪来生成: (通过关键字去搜)
请求方式: post

请求头参数: 无加密

请求参数: 表单数据 (加密数据)
params: √
encSecKey:　√

通过JS代码断点调试: 跟栈方法

var bVg1x = window.asrsea(JSON.stringify(i4m), bsk6e([“流泪”, “强”]), bsk6e(WH4L.md), bsk6e([“爱心”, “女孩”, “惊恐”, “大笑”]));

nodejs 环境 (和你python安装在同一个位置)

二. 代码实现步骤:

发送请求 -> 模拟浏览器对于url地址发送请求
获取数据 -> 获取服务器返回响应数据
解析数据 -> 提取我们需要的内容
保存数据 -> 保存歌曲数据到本地文件夹

代码展示

导入模块

# 导入编译js代码模块
import execjs
# 导入数据请求模块
import requests
# 导入正则表达式模块
import re

模拟浏览器

headers = {
    'Origin': '****',
    'Referer': '****/',
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/119.0.0.0 Safari/537.36',
}

请求网址

link = '****/discover/toplist?id=3778678'

发送请求

html_data = requests.get(url=link, headers=headers).text

提取id 和歌名

info = re.findall('<a href="/song\?id=(\d+)">(.*?)</a>', html_data)
print(len(info))
num = 1
for music_id, title in info:
    print(num, music_id, title)
    num += 1

请求网址

    url = '****m/weapi/song/enhance/player/url/v1?csrf_token='

“”"
构建请求参数
“”"

读取js代码

    f = open('网易云.js', encoding='utf-8').read()

编译js代码

    js_code = execjs.compile(f)

调用JS代码函数

    i4m = {
        "ids": f"[{music_id}]",
        "level": "standard",
        "encodeType": "aac",
        "csrf_token": ""
    }
    res = js_code.call('post_data', i4m)
    data = {
        'params': res['encText'],
        'encSecKey': res['encSecKey']
    }

发送请求

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

获取响应数据

    json_data = response.json()

解析数据, 键值对取值

    music_url = json_data['data'][0]['url']

保存数据

    content = requests.get(url=music_url, headers=headers).content
    with open('music热歌\\' + title + '.mp3', mode='wb') as f:
        f.write(content)
    print(music_url)