• 破解google翻译API全过程


      ◆版权声明:本文出自胖喵~的博客,转载必须注明出处。

      转载请注明出处:http://www.cnblogs.com/by-dream/p/6554340.html 

    前言


      google的翻译不得不承认它是比较好的。但是google翻译对外提供的翻译接口都是收钱的,做为一名普普通通的开发者,囊中羞涩,因此就需要借助技术的力量来完成免费的翻译接口的调用。

    git


      首先在github上我们找到了这篇链接 https://github.com/ssut/py-googletrans

      

      看介绍免费、无限制,这刚好适合我们来用。于是按照它的操作步骤我们来试试:

      由于它是python的,因此第一步是去下载它的python库,由于我没有配置python pip的环境变量,因此我手动进入这个目录下:

      

      然后运行 pip install googletrans 这个命令,去下载提供的这个库。

      

      这个时候出错,提示我们没有requests库,因此我们还需要在安装requests库。果然文档里也有些

      

      因此我们就安装把

      

      安装完后再安装googletrans 就可以了:

      

      这个时候我们调用它API提供的方法试试,代码如下:

    #-*- coding:utf-8 -*-
    from googletrans import Translator
    import sys
    
    reload(sys)
    sys.setdefaultencoding( "utf-8" )
    
    translator = Translator()
    print translator.translate('今天天气不错').text
    print translator.translate('今天天气不错', dest='ja').text
    print translator.translate('今天天气不错', dest='ko').text

      这个时候就可以看到输出结果:

    the weather is nice today
    今日天気がいいです
    오늘 날씨가 좋은

      一个简单的翻译demo就实现了。是不是非常的简单

      然而,这个库并不是google官方提供的,并且有的时候这个库也是不稳定的,因为我决定自己去趟一下这趟浑水。

    Google


      第一步当然是抓取它的请求,看看它是怎么请求的。按下F12进入浏览器调试模式,眼睛盯紧network:

      接着我们输入一句话,看看它会产生什么消息包。

      居然有这么多的消息包,我们一个一个找,直到找到Response中有翻译内容的。这个时候我们去看一下它的header:

      

      可以看到是get方式,于是我们可以浏览器里直接去请求这个url。

      果然我们的得到了一个文件,这个时候打开文件,文件里就是请求回来的翻译结果:

      

      这时候我们去分析一下请求的参数,看看我们是否可以构造,可以看到原来要翻译的文本,就是跟着q这个参数出去的:

      

      只不过在请求的时候,文字被encode成了%**%**,这时候我们试着换一个文字去请求,结果发现返回:

      

      仔细上网查过之后,每次翻译的文字不同,参数中的tk值就会不同,ticket这种策略就是google用来防爬虫的。

      tk和文字以及TKK有关,TKK也是实时变化的,具体怎么拿到是在 translate.google.cn 这个网页源代码中有一段js代码:

      

      我们直接运行这段js,会得到一个值,这个值就是 TKK值:

      

      那么如何根据TKK和文本算出tk值呢,网上有大神已经实现了js的代码,直接拿过来用了:

    var b = function (a, b) {
        for (var d = 0; d < b.length - 2; d += 3) {
            var c = b.charAt(d + 2),
                c = "a" <= c ? c.charCodeAt(0) - 87 : Number(c),
                c = "+" == b.charAt(d + 1) ? a >>> c : a << c;
            a = "+" == b.charAt(d) ? a + c & 4294967295 : a ^ c
        }
        return a
    }
    
    var tk =  function (a,TKK) {
        for (var e = TKK.split("."), h = Number(e[0]) || 0, g = [], d = 0, f = 0; f < a.length; f++) {
            var c = a.charCodeAt(f);
            128 > c ? g[d++] = c : (2048 > c ? g[d++] = c >> 6 | 192 : (55296 == (c & 64512) && f + 1 < a.length && 56320 == (a.charCodeAt(f + 1) & 64512) ? (c = 65536 + ((c & 1023) << 10) + (a.charCodeAt(++f) & 1023), g[d++] = c >> 18 | 240, g[d++] = c >> 12 & 63 | 128) : g[d++] = c >> 12 | 224, g[d++] = c >> 6 & 63 | 128), g[d++] = c & 63 | 128)
        }
        a = h;
        for (d = 0; d < g.length; d++) a += g[d], a = b(a, "+-a^+6");
        a = b(a, "+-3^+b+-f");
        a ^= Number(e[1]) || 0;
        0 > a && (a = (a & 2147483647) + 2147483648);
        a %= 1E6;
        return a.toString() + "." + (a ^ h)
    }

      这段代码只需要直接调用 tk这个函数就可以得到tk值,得到tk值之后,我们就可以拼接出url来进行请求了。

    Demo


      这里我用Python和node一起完成了一个小的demo,大家可以下载我的代码。我简单介绍一下脚本的原理。

      首先入口是用node完成的:

    // 导入translate
    var trans= require('./translate.js');
    
    // 调用翻译结果
    trans.gettrans('你好')

      直接调用了 translate.js,我们看看这个文件:

    // 得到TKK
    var exec = require('child_process').exec; 
    var cmdStr = 'getTKK.py';
    exec(cmdStr, function(err,stdout,stderr){
        if(err) {
            console.log('get TKK is error' + stderr);
        } else {
            //console.log(stdout);
        }
    }); 
    
    // 读取TKK
    var rf=require("fs");  
    var tkk=rf.readFileSync("TKK","utf-8");  
    //console.log(tkk);
    
    
    var gettrans=function(text){
        var gettk= require('./gettk.js')
        res=gettk.tk(text, tkk.toString())
        //console.log(res)
        var testenc = encodeURI(text)
        //console.log(encodeURI(text))
    
        var exec2 = require('child_process').exec; 
        var cmdStr2 = 'http.py '+testenc+' '+res+' ';
        //console.log('http.py '+testenc+' '+res)
        exec2(cmdStr2, function(err,stdout,stderr){
            if(err) {
                //console.log('http is error' + stderr);
            } else {
                // 最终的结果
                console.log(stdout);
            }
        });
    }
    
    
    module.exports.gettrans=gettrans;
    translate.js

      translate.js 当中融合了比较多的内容,首先是调用Python的getTKK.py。

    #-*- coding:utf-8 -*-
    import os
    
    # 爬取网页拿到TKK的js代码
    os.system('getTKKjs.py > getTKK.js')  
    
    # 执行TKKjs代码拿到TKK值
    os.system('node getTKK.js > TKK')

      我们可以看到原理很简单,先调用 getTKKjs.py 利用爬虫先将刚才我们分析的那段网页代码给爬取下来,然后生成js文件,接着调用这个js文件,将结果写入到本地一个文件TKK当中。紧接着translate.js读取了TKK值之后,调用我们前面提到的那段node的接口,就可以得到tk值了,这个时候再调用http.py送给Python进行请求,将结果回传给node。

    #-*- coding:utf-8 -*-
    import urllib2
    from bs4 import BeautifulSoup
    
     
    # 要爬取的总url
    weburl='http://translate.google.cn/'
    
    class Climbing():    
        # 设置代理开关
        enable_proxy = False
        
        # 总url
        url = ''
        
        # 初始化
        def __init__(self, url):
            self.url = url
            proxy_handler = urllib2.ProxyHandler({"http" : 'web-proxy.oa.com:8080'})
            null_proxy_handler = urllib2.ProxyHandler({})
            if self.enable_proxy:
                opener = urllib2.build_opener(proxy_handler)
            else:
                opener = urllib2.build_opener(null_proxy_handler)
            urllib2.install_opener(opener)
        
        # 根据url,得到请求返回内容的soup对象
        def __getResponseSoup(self, url):
            request = urllib2.Request(url)
            request.add_header('User-Agent', "Mozilla/5.0")
            #request.add_header('Accept-Language', 'zh-ch,zh;q=0.5')
            response = urllib2.urlopen(request)
            resault = response.read()
            soup = BeautifulSoup(resault, "html.parser")
            return soup
        
        # 爬取TKK
        def getTKK(self):    
            soup = self.__getResponseSoup(self.url)
            allinfo = soup.find_all('script')
            for info in allinfo:
                chinese = info.get_text().encode('utf-8')
                #print chinese
                if chinese.find("TKK") > 0:    
                    #print chinese
                    res = chinese.split("TKK")[1]
                    res = res.split(");")[0]
                    print "TKK"+res+");"
                    print "console.log(TKK);"
    
            
    c = Climbing(weburl)
    c.getTKK()
    getTKKjs.py
    #-*- coding:utf-8 -*-
    import time
    import urllib2
    import urllib
    from sys import argv
     
    script,zh,tk = argv
    
    url='http://translate.google.cn/translate_a/single?client=t&sl=zh-CN&tl=en&hl=zh-CN&dt=at&dt=bd&dt=ex&dt=ld&dt=md&dt=qca&dt=rw&dt=rm&dt=ss&dt=t&ie=UTF-8&oe=UTF-8&pc=1&otf=1&ssel=6&tsel=3&kc=0&tk='+ tk +'&q=' + zh
    
    def getRes():
        #print 'chinese is :'+urllib.unquote(first)
        
        null_proxy_handler = urllib2.ProxyHandler({})
        opener = urllib2.build_opener(null_proxy_handler)
        urllib2.install_opener(opener)
    
        req = urllib2.Request(url) 
        req.add_header('User-Agent', "Mozilla/5.0")
    
        response = urllib2.urlopen(req)
        print response.read()
    
    print getRes()
    http.py
  • 相关阅读:
    Qt中的QString和QStringList常用方法
    Qt界面编程基本操作
    vs+qt编程相关
    C++的一些关键字用法
    Java学习-hashcode综合练习
    Java学习-HashMap练习
    Java学习-HashSet练习
    Java学习-HashMap性能简单测试
    Java学习-排序二叉树性能简单测试
    java学习-排序二叉树
  • 原文地址:https://www.cnblogs.com/by-dream/p/6554340.html
Copyright © 2020-2023  润新知