爬虫很难吗?手把手酷我音乐解析 |
您所在的位置:网站首页 › 酷我音乐674 › 爬虫很难吗?手把手酷我音乐解析 |
Nodejs酷我爬虫参考
1.排行榜列表2.排行榜榜单详情3.根据rid获取歌曲mp3地址4.2023.07.17更新,请求头由“Cross”改为“Secret”5.根据rid获取VIP/高音质音乐链接6.根据rid获取歌词
1.排行榜列表
打开 kuwo.cn, 浏览器F12 监听网络请求,刷新一次页面。根据网页信息,定位接口地址。F12界面全局搜索(ctrl+shift+F)排行榜中的向云端 (你看到什么就搜什么 不固定)
点击搜索结果,跳转至关键词数据所在页面,在此页面搜索(ctrl+F)向云端,结论:数据来源于页面window._NUXT_.data.bang对象。如下图: 数据提取。可能首先想到的是用正则匹配,那有没有办法办法直接获取到 __NUXT__ 对象呢?既然是js,那就想办法运行这段js。 技术选型。那就用 nodejs 吧! nodejs 爬虫实战,看代码: let url = 'http://www.kuwo.cn/'; //模拟访问首页 let result = await get(url);//get方法为request封装 //正则匹配那段js var mc = result.match(/.*?/gi); //console.log(mc); var __NUXT__;//定义接收变量 let sc = mc[0] ?? ''; //一系列的替换 if (sc) { sc = sc.replace('', ''); sc = sc.replace('', ''); sc = sc.replace('window.', '');//由于不是浏览器没有window对象,就替换为空 sc = sc.replace(/\r/gi, ''); sc = sc.replace(/\n/gi, ''); //console.log(sc); } let js = eval(sc);//用nodejs的方便之处,eval搞定,直接把结果赋值给__NUXT__ //console.log(js); let bangs = __NUXT__.data[0].bang;结果: [ { "leader":"酷我热歌榜", "num":"300", "name":"酷我热歌榜", "pic":"https://img4.kuwo.cn/star/albumcover/120/1/29/1934979845.jpg", "id":"16", "pub":"2023-07-14", "musicList":[ { "musicrid":"MUSIC_279292599", "barrage":"0", "ad_type":"", "artist":"小霞&海洋Bo", "mvpayinfo":{ "play":0, "vid":0, "down":0 }, "pic":"https://img4.kuwo.cn/star/albumcover/500/1/29/1934979845.jpg", "isstar":0, "rid":279292599, "duration":251, "score100":"93", "ad_subtype":"0", "content_type":"0", "track":1, "hasmv":0, "releaseDate":"2023-06-29", "album":"向云端", "albumid":38777035, "pay":"16515324", "artistid":8854278, "albumpic":"https://img4.kuwo.cn/star/albumcover/500/1/29/1934979845.jpg", "originalsongtype":0, "isListenFee":false, "pic120":"https://img4.kuwo.cn/star/albumcover/120/1/29/1934979845.jpg", "name":"向云端", "online":1, 2.排行榜榜单详情 点击首页排行榜更多,监听网络请求![]() 详情地址为: GET => https://www.kuwo.cn/api/www/bang/bang/musicList?bangId=93&pn=1&rn=20&httpsStatus=1&reqId=16fffd81-21fa-11ee-9cdf-25abfdc1606c&plat=web_www&from= bangId=93//上个步骤中的id pn=1//页码 rn=20//每页多少条 reqId=16fffd81-21fa-11ee-9cdf-25abfdc1606//可有可无同样用 nodejs 模拟这个请求,结果: { "success":false, "message":"CSRF token Invalid!", "now":"2023-07-14T05:49:44.720Z" } 爬虫的关键部分来了,请求头模拟。简单来说,就是用程序把请求做的像浏览器发出的一样。通过分析请求头,以及反复测试,最终得出以下两个头信息为必备:(把以下所有头信息都模拟更好)![]() ![]() ![]() Cross 是由 Hm_token 加密处理得到。 由经验得知:Cross = md5(sha1(Hm_token)) 常用的加密算法:md5 aes des sha 不知道数据用什么加密方式就全局搜,或者一个一个加密方法试。最后才选择单步调试~ 加密算法有了,寻找 Hm_token :![]() ![]()
分析完毕,看具体实现: 新增一个加密函数:(来源:某度) function encrypt(str, pwd) { if (pwd == null || pwd.length |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |