网络爬虫:利用有道实现“语言翻译”功能
2017-01-18 09:44
851 查看
基本代码
代码如下:import urllib.request import urllib.parse import json def main(): while True: content=input("请输入需要翻译的内容(退出输入q):") if content in ("Q","q","quit"): break else: url="http://fanyi.youdao.com/translate?smartresult=dict&smartresult=rule&smartresult=ugc&sessionFrom=null" data={} data["type"]="AUTO" data["i"] = content data["doctype"] = "json" data["xmlVersion"] = "1.8" data["keyfrom"] = "fanyi.web" data["ue"] = "utf-8" data["action"] = "FY_BY_CLICKBUTTON" data["typoResult"] = "true" data=urllib.parse.urlencode(data).encode("utf-8") # 增加headers,模拟登陆,而不是对服务器识别为机器登陆。 headers={} headers["User-Agent"]="Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/45.0.2454.101 Safari/537.36" req=urllib.request.Request(url,data,headers) #或者使用Request.add_header(key,value) # req=urllib.request.Request(url,data) # req.add_header("User-Agent","Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/45.0.2454.101 Safari/537.36") response=urllib.request.urlopen(req) html=response.read().decode("utf-8") target=json.loads(html) # print (type(target)) # print (target["translateResult"]) # print (target["translateResult"][0][0]) print("翻译的结果为:%s" %(target["translateResult"][0][0]["tgt"])) if __name__=="__main__": main()
分析:
(1)这里要注意的是三个函数urllib.request.Request(),urllib.request.urlopen()与urllib.parse.urlencode()。
urllib.request.Request(url, data=None, headers={}, origin_req_host=None, unverifiable=False, method=None)这个类是一个抽象的URL请求。
urllib.request.urlopen(url, data=None, [timeout, ]*, cafile=None, capath=None, cadefault=False, context=None)。因此urllib.request.urlopen()其实不止一个参数,有好几个哦,其中第二个是data,data应该是一个buffer的标准应用程序/ x-www-form-urlencoded格式(python标准库原文:data should be a buffer in the standard application/x-www-form-urlencoded format)。
urllib.parse.urlencode()函数接受一个映射或序列集合,并返回一个字符串的格式(python标准库原文:The urllib.parse.urlencode() function takes a mapping or sequence of 2-tuples and returns a string in this format)。
(2)分析URL,此时分析有道翻译页面真实的Request URL
Request URL:
http://fanyi.youdao.com/translate?smartresult=dict&smartresult=rule&smartresult=ugc&sessionFrom=null
(3)Data为字典
type:AUTO
i:I love you
doctype:json
xmlVersion:1.8
keyfrom:fanyi.web
ue:UTF-8
action:FY_BY_CLICKBUTTON
typoResult:true
(4)headers 应该是一个字典,如果 add_header()被称为与每个键和值作为参数。这通常是用来“恶搞” User-Agent头的值,因为使用一个浏览器识别本身——一些常见HTTP服务器只允许请求来自浏览器而不是脚本。例如,Mozilla Firefox可能识别本身 “Mozilla/5.0 (X11; U; Linux i686) Gecko/20071127 Firefox/2.0.0.11”。而 urllib默认的用户代理字符串 是”Python-urllib/2.6”在Python 2.6()。
(5)存储为json格式,则使用json.load()方法
target=json.loads(html)
结果为:
{‘errorCode’: 0, ‘smartResult’: {‘entries’: [”, ‘我爱你。’], ‘type’: 1}, ‘elapsedTime’: 0, ‘translateResult’: [[{‘tgt’: ‘我爱你’, ‘src’: ‘I love you’}]], ‘type’: ‘EN2ZH_CN’}
我看到翻译的结果在这里:
‘translateResult’: [[{‘tgt’: ‘我爱你’, ‘src’: ‘I love you’}]]。包含在字典的Value里,外面有2层列表,里面还有一层字典。
添加代理
但是,对于网站服务器,会发现同一个IP在短时间内有大量的登录,识别是爬虫。因为,即使现在我们修改了 User-Agent,也不起作用。此时的做法有两种:1. 笨方法,修改访问时间
修改每次访问的时间,比如每5秒钟访问一次服务器,这样效率太低。import urllib.request import urllib.parse import json import time def main(): while True: content=input("请输入需要翻译的内容(退出输入q):") if content in ("Q","q","quit"): break else: url="http://fanyi.youdao.com/translate?smartresult=dict&smartresult=rule&smartresult=ugc&sessionFrom=null" data={} data["type"]="AUTO" data["i"] = content data["doctype"] = "json" data["xmlVersion"] = "1.8" data["keyfrom"] = "fanyi.web" data["ue"] = "utf-8" data["action"] = "FY_BY_CLICKBUTTON" data["typoResult"] = "true" data=urllib.parse.urlencode(data).encode("utf-8") # 增加headers,模拟登陆,而不是对服务器识别为机器登陆。 headers={} headers["User-Agent"]="Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/45.0.2454.101 Safari/537.36" req=urllib.request.Request(url,data,headers) #或者使用Request.add_header(key,value) # req=urllib.request.Request(url,data) # req.add_header("User-Agent","Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/45.0.2454.101 Safari/537.36") response=urllib.request.urlopen(req) html=response.read().decode("utf-8") target=json.loads(html) # print (type(target)) # print (target["translateResult"]) # print (target["translateResult"][0][0]) print("翻译的结果为:%s" %(target["translateResult"][0][0]["tgt"])) time.sleep(5) if __name__=="__main__": main()
(2)聪明方法:使用代理
步骤为:1.参数是一个字典{“类型”:”代理ip:端口号”}
proxy_support=urllib.request.ProxyHandler({})
2.定制、创建一个opener
opener=urllib.request.build_opener(proxy_support)
3a.安装opener
urllib.request.install_opener(opener)
3b.调用opener
opener.open(url)
import urllib.request import urllib.parse import json def main(): while True: content=input("请输入需要翻译的内容(退出输入q):") if content in ("Q","q","quit"): break else: url="http://fanyi.youdao.com/translate?smartresult=dict&smartresult=rule&smartresult=ugc&sessionFrom=null" data={} data["type"]="AUTO" data["i"] = content data["doctype"] = "json" data["xmlVersion"] = "1.8" data["keyfrom"] = "fanyi.web" data["ue"] = "utf-8" data["action"] = "FY_BY_CLICKBUTTON" data["typoResult"] = "true" data=urllib.parse.urlencode(data).encode("utf-8") #百度搜索免费代理IP即可 #比如:125.46.64.91 端口号:8080 地址:河南驻马店 proxy_support = urllib.request.ProxyHandler({"http": "125.46.64.91:8080"}) opener = urllib.request.build_opener(proxy_support) opener.addheaders = [("User-Agent", "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/45.0.2454.101 Safari/537.36")] urllib.request.install_opener(opener) req = urllib.request.Request(url,data) response = urllib.request.urlopen(req) html = response.read().decode("utf-8") target=json.loads(html) print("翻译的结果为:%s" %(target["translateResult"][0][0]["tgt"])) if __name__=="__main__": main()
相关文章推荐
- 一步一步实现企业网络架构之九:利用Win2003 NAT功能配置Internet访问
- 借助Bing Translate API翻译API实现网站多国语言翻译功能
- c语言 实现ping 功能/效果 检测当前网络是否连通
- 利用nodeJS实现的网络小爬虫
- java语言实现网络爬虫
- ASP利用Google实现在线翻译功能
- 网络翻译-利用有道接口
- [ios开发]利用有道翻译API实现简单的翻译功能
- CrawlScript语言轻松实现网络爬虫——轻松爬取整站信息
- 使用requests+beautifulsoup模块实现python网络爬虫功能
- 利用谷歌翻译。帮助你的网站轻松实现多语言互换
- poll调用和select调用实现的功能一样,都是网络IO利用的一种机制。先看一下poll的调用形式
- 利用HttpClient、HtmlParser简单实现网络爬虫
- Java语言实现的简单网络爬虫复习
- ASP利用Google实现在线翻译功能
- 借助Google Translate API实现网站多国语言翻译功能
- 地址方法[ios开发]利用有道翻译API实现简单的翻译功能地址方法
- Java代码实现利用google实现多语言翻译案例
- 利用汇编语言实现比较字符大小的功能
- 利用C#实现网络爬虫