导师花半小时！终于教会了我玩转网易云音乐爬虫！还说我笨死了？

此次的目标是爬取网易云音乐上指定歌曲所有评论并生成词云

具体步骤：

一：实现JS加密

找到这个ajax接口没什么难度，问题在于传递的数据，是通过js加密得到的，因此需要查看js代码。

通过断掉调试可以找到数据是由core_8556f33641851a422ec534e33e6fa5a4.js?8556f33641851a422ec534e33e6fa5a4.js里的window.asrsea函数加密的。

题外话！如果还有在入门阶段的小萌新们的话，就私信我！我送大量的PDF书籍！精心整理的，希望大家能早日入门！进群：548377875  

通过进一步的查找，可以找到下面这个函数：

function() {
 // 生成长度为16的随机字符串
 function a(a) {
 var d,e,b = "abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMnopQRSTUVWXYZ0123456789",c = "";
 for (d = 0; a > d; d += 1)
 e = Math.random() * b.length,e = Math.floor(e),c += b.charat(e);
 return c
 }
 // 实现AES加密
 function b(a,b) {
 var c = CryptoJS.enc.Utf8.parse(b),d = CryptoJS.enc.Utf8.parse("0102030405060708"),e = CryptoJS.enc.Utf8.parse(a),f = CryptoJS.AES.encrypt(e,c,{
 iv: d,mode: CryptoJS.mode.CBC
 });
 return f.toString()
 }
 // 实现RSA加密
 function c(a,b,c) {
 var d,e;
 return setMaxDigits(131),d = new RSAKeyPair(b,"",c),e = encryptedString(d,a)
 }
 // 得到加密后的结果
 function d(d,f,g) {
 var h = {},i = a(16);
 return h.encText = b(d,g),h.encText = b(h.encText,i),h.encSecKey = c(i,f),h
 }
 function e(a,d,e) {
 var f = {};
 return f.encText = c(a + e,d),f
 }
}()

因此我们需要用Python实现上面四个函数。第一个生成随机字符串的函数没难度，实现的代码如下：

1 # 生成随机字符串
2 def generate_random_string(length):
3 string = "abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMnopQRSTUVWXYZ0123456789"
4 # 初始化随机字符串
5 random_string = ""
6 # 生成一个长度为length的随机字符串
7 for i in range(length):
8 random_string += string[int(floor(random() * len(string)))]
9 return random_string

第二个是实现AES加密的函数，而用AES加密需要使用Crypto这个库。 如果没有安装这个库的话，需要先安装pycrypto库，然后再安装Crypto库。 在成功安装之后， 如果import的时候没有Crypto而只有crypto，先打开Python安装目录下的Libsite-packagescrypto文件夹，如果里面有Cipher文件夹，就返回到 Libsite-packages目录下把crypto重命名为Crypto ，然后应该就可以成功导入了。

由于AES加密的明文长度必须是16的倍数，因此我们需要对明文进行必要的填充，以满足它的长度是16的倍数，AES加密的模式是AES.MODE_CBC,初始化向量iv='0102030405060708′。

实现AES加密的代码如下 ：

 1 # AES加密
 2 def aes_encrypt(msg,key):
 3 # 如果不是16的倍数则进行填充
 4 padding = 16 - len(msg) % 16
 5 # 这里使用padding对应的单字符进行填充
 6 msg += padding * chr(padding)
 7 # 用来加密或者解密的初始向量(必须是16位)
 8 iv = '0102030405060708'
 9 # AES加密
10 cipher = AES.new(key,AES.MODE_CBC,iv)
11 # 加密后得到的是bytes类型的数据
12 encrypt_bytes = cipher.encrypt(msg)
13 # 使用Base64进行编码,返回byte字符串
14 encode_string = base64.b64encode(encrypt_bytes)
15 # 对byte字符串按utf-8进行解码
16 encrypt_text = encode_string.decode('utf-8')
17 # 返回结果
18 return encrypt_text

第三个是实现RSA加密的函数， 在RSA加密中，明文和密文都是数字， RSA的密文是对代表明文的数字的E次方求mod N 的结果 ， RSA加密后得到的字符串长为256，这里不够长我们用x字符填充。

实现RSA加密的代码如下：

 1 # RSA加密
 2 def rsa_encrypt(random_string,key,f):
 3 # 随机字符串逆序排列
 4 string = random_string[::-1]
 5 # 将随机字符串转换成byte类型数据
 6 text = bytes(string,'utf-8')
 7 # RSA加密
 8 sec_key = int(codecs.encode(text,encoding='hex'),16) ** int(key,16) % int(f,16)
 9 # 返回结果
10 return format(sec_key,'x').zfill(256)

第四个函数是得到两个加密参数的函数，传入的四个参数，第一个参数 JSON.stringify(i3x) 是以下内容，其中offset和limit参数是必须要有的，offset的值是(页数-1)*20，limit的值是20

'{"offset":'+str(offset)+ ',"total":"True","limit":"20","csrf_token":""}'

第二个参数，第三个参数和第四个参数的值都是根据Zj4n.emj得到的：

腾讯音乐与网易云音乐的版权纠纷还要走多远

encText的值是通过两次AES加密得到的，encSecKey是通过RSA加密得到的 ，实现的具体代码如下：

 1 # 获取参数
 2 def get_params(page):
 3 # 偏移量
 4 offset = (page - 1) * 20
 5 # offset和limit是必选参数,其他参数是可选的
 6 msg = '{"offset":' + str(offset) + ',"csrf_token":""}'
 7 key = '0CoJUm6Qyw8W8jud'
 8 f = '00e0b509f6259df8642dbc35662901477df22677ec152b5ff68ace615bb7b725152b3ab17a87' 
 9 '6aea8a5aa76d2e417629ec4ee341f56135fccf695280104e0312ecbda92557c93870114af6c9' 
10 'd05c4f7f0c3685b7a46bee255932575cce10b424d813cfe4875d3e82047b97ddef52741d546b' 
11 '8e289dc6935b3ece0462db0a22b8e7'
12 e = '010001'
13 # 生成长度为16的随机字符串
14 i = generate_random_string(16)
15 # 第一次AES加密
16 enc_text = aes_encrypt(msg,key)
17 # 第二次AES加密之后得到params的值
18 encText = aes_encrypt(enc_text,i)
19 # RSA加密之后得到encSecKey的值
20 encSecKey = rsa_encrypt(i,f)
21 return encText,encSecKey

二、解析并保存评论

通过查看preview的信息可以发现用户名和评论内容都是保存在json格式的数据里的

因此解析起来会很容易，直接提取nickname和content就好了。对于得到的数据，都保存在以歌名为文件名的txt文件中。实现的代码如下：

 1 # 爬取评论内容
 2 def get_comments(data):
 3 # data=[song_id,song_name,page_num]
 4 url = 'https://music.163.com/weapi/v1/resource/comments/R_SO_4_' + str(data[0]) + '?csrf_token='
 5 # 得到两个加密参数
 6 text,key = get_params(data[2])
 7 # 发送post请求
 8 res = requests.post(url,headers=headers,data={"params": text,"encSecKey": key})
 9 if res.status_code == 200:
10 print("正在爬取第{}页的评论".format(data[2]))
11 # 解析
12 comments = res.json()['comments']
13 # 存储
14 with open(data[1] + '.txt','a',encoding="utf-8") as f:
15 for i in comments:
16 f.write(i['content'] + "
")
17 else:
18 print("爬取失败！")

三、生成词云

在进行这一步之前，需要先安装好jieba和wordcloud两个模块，jieba模块是一个用于中文分词的模块，wordcloud模块是一个用于生成词云的模块，可以自行了解学习。

这部分就不赘述了， 具体代码如下：

 1 # 生成词云
 2 def make_cloud(txt_name):
 3 with open(txt_name + ".txt",'r',encoding="utf-8") as f:
 4 txt = f.read()
 5 # 结巴分词
 6 text = ''.join(jieba.cut(txt))
 7 # 定义一个词云
 8 wc = WordCloud(
 9 font_path="font.ttf",10 width=1200,11 height=800,12 max_words=100,13 max_font_size=200,14 min_font_size=10
15 )
16 # 生成词云
17 wc.generate(text)
18 # 保存为图片
19 wc.to_file(txt_name + ".png")

完整代码已经上传到github（包括font.ttf文件）： https://github.com/QAQ112233/WangYiYun