go语言实现网易云音乐爬虫-阿里云开发者社区

开发者社区> 开发与运维> 正文

go语言实现网易云音乐爬虫

简介: 使用go语言简单实现网易云音乐爬虫

前言

最近在学习go,学习一门语言最好的方式就是实践,之前学习python也是从爬虫入手,现在使用go语言写一个网易云音乐的爬虫,下面会简单介绍开发的过程,代码是初学者的水平,欢迎吐槽。

本项目github地址https://github.com/zhujiajunup/yunyinyue

开发工具

  • go1.11.2 windows/amd64
  • Google Chrome 71.0.3578.98
  • Fiddler v5.0.20182.28034

获取数据

不管用什么语言写爬虫,但步骤总是一致的,只是实现使用不应的语言而已,第一步当然是确认你想要什么,本次的目标是网易云音乐,我是想获取用户首页的听歌排行榜。

最先需要弄明白的是这些数据是怎么获取的,即云音乐是如何向服务器请求数据的,打开chrome的调试工具(F12),点到Network,搜索“钟无艳”

可以看到数据是https://music.163.com/weapi/v1/play/record?csrf_token=的POST请求来获取的,再看看该请求发送了什么数据

可以看到提交了一个表单,参数为paramsencSecKey。发送的数据应该是加了密的,下一步就需要知道云音乐是如何进行加密传输的。

从调试窗口可以看到,该请求是由https://s3.music.126.net/web/s/core_86994123ce247287ad52aafce6acdf9b.js?86994123ce247287ad52aafce6acdf9b发出的,加密逻辑应该就是在该js中处理的,将该js保存到本地并格式化后,并搜索encSecKey在哪里赋值的

v9m.bl9c = function(Y9P, e8e) {
        var i8a = {},
        e8e = NEJ.X({},
        e8e),
        mp3x = Y9P.indexOf("?");
        if (window.GEnc && /(^|\.com)\/api/.test(Y9P) && !(e8e.headers && e8e.headers[eq1x.Bx8p] == eq1x.Iy0x) && !e8e.noEnc) {
            if (mp3x != -1) {
                i8a = k8c.hc2x(Y9P.substring(mp3x + 1));
                Y9P = Y9P.substring(0, mp3x)
            }
            if (e8e.query) {
                i8a = NEJ.X(i8a, k8c.fQ1x(e8e.query) ? k8c.hc2x(e8e.query) : e8e.query)
            }
            if (e8e.data) {
                i8a = NEJ.X(i8a, k8c.fQ1x(e8e.data) ? k8c.hc2x(e8e.data) : e8e.data)
            }
            i8a["csrf_token"] = v9m.gO2x("__csrf");
            Y9P = Y9P.replace("api", "weapi");
            e8e.method = "post";
            delete e8e.query;
            var bUK2x = window.asrsea(JSON.stringify(i8a), brA4E(["流泪", "强"]), brA4E(WU5Z.md), brA4E(["爱心", "女孩", "惊恐", "大笑"]));
            e8e.data = k8c.cz9q({
                params: bUK2x.encText,
                encSecKey: bUK2x.encSecKey
            })
        }
        cwC9t(Y9P, e8e)
    };

可以看到是通过window.asrsea函数来获取的,接下来看window.asrsea是如何定义的

function() {
    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
    }
    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()
    }
    function c(a, b, c) {
        var d, e;
        return setMaxDigits(131),
        d = new RSAKeyPair(b, "", c),
        e = encryptedString(d, a)
    }
    function d(d, e, f, g) {
        var h = {},
        i = a(16);
        return h.encText = b(d, g),
        h.encText = b(h.encText, i),
        h.encSecKey = c(i, e, f),
        h
    }
    function e(a, b, d, e) {
        var f = {};
        return f.encText = c(a + e, b, d),
        f
    }
    window.asrsea = d,
    window.ecnonasr = e
} ();

加密算法就是这段代码,函数接收四个参数,进行了aes和ras加密,具体逻辑这里不进行详解,知道了处理逻辑,现在得获取这四个参数分别是什么,接下来使用Fiddler来将js替换为本地js,将参数打印出来即可。

Fiddler调试获取参数

  • 配置代理
  • 配置Https

  • 修改core.js
    https://s3.music.126.net/web/s/core_86994123ce247287ad52aafce6acdf9b.js?86994123ce247287ad52aafce6acdf9b保存到本地,比如命名为core.js,编辑器打开编辑,在指定位置添加如下打印信息
v9m.bl9c = function(Y9P, e8e) {
        var i8a = {},
        e8e = NEJ.X({},
        e8e),
        mp3x = Y9P.indexOf("?");
        if (window.GEnc && /(^|\.com)\/api/.test(Y9P) && !(e8e.headers && e8e.headers[eq1x.Bx8p] == eq1x.Iy0x) && !e8e.noEnc) {
            if (mp3x != -1) {
                i8a = k8c.hc2x(Y9P.substring(mp3x + 1));
                Y9P = Y9P.substring(0, mp3x)
            }
            if (e8e.query) {
                i8a = NEJ.X(i8a, k8c.fQ1x(e8e.query) ? k8c.hc2x(e8e.query) : e8e.query)
            }
            if (e8e.data) {
                i8a = NEJ.X(i8a, k8c.fQ1x(e8e.data) ? k8c.hc2x(e8e.data) : e8e.data)
            }
            i8a["csrf_token"] = v9m.gO2x("__csrf");
           
            Y9P = Y9P.replace("api", "weapi");
            e8e.method = "post";
            delete e8e.query;
            var bUK2x = window.asrsea(JSON.stringify(i8a), brA4E(["流泪", "强"]), brA4E(WU5Z.md), brA4E(["爱心", "女孩", "惊恐", "大笑"]));
            window.console.info(Y9P);
            window.console.info(JSON.stringify(i8a));
            window.console.info(JSON.stringify( brA4E(["流泪", "强"])));
            window.console.info(JSON.stringify(brA4E(WU5Z.md)));
            window.console.info(JSON.stringify(brA4E(["爱心", "女孩", "惊恐", "大笑"])));
            

            e8e.data = k8c.cz9q({
                params: bUK2x.encText,
                encSecKey: bUK2x.encSecKey
            })
        }
        cwC9t(Y9P, e8e)
    };
  • 配置Fiddler Rule

一切准备就绪后,再打开浏览器,输入https://music.163.com/#/user/songs/rank?id=62947535,打开调试窗口得Console,就可以看到本地js中添加的输出日志了

不难发现除了第一个参数外,其他三个参数都是固定的,因此在后面的处理中,只需要处理第一个参数即可。

第一个参数就是加密前的请求参数

{
  "uid": "62947535",
  "type": "-1",
  "limit": "1000",
  "offset": "0",
  "total": "true",
  "csrf_token": ""
}

那么已经弄清楚了数据获取的逻辑,接下来就是按照这个逻辑用go语言实现一遍了,最关键的就是加密算法了

go实现

项目结构

加密算法

来自https://studygolang.com/topics/5815

/*
Package encrypt provides encrypt algorithm such as rsa & aes
*/
package encrypt

import (
    "bytes"
    "crypto/aes"
    "crypto/cipher"
    "encoding/base64"
    "fmt"
    "math/big"
    "math/rand"
    "time"
)

// generate string for given size
func RandomStr(size int) (result []byte) {
    s := "0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ"
    strBytes := []byte(s)
    r := rand.New(rand.NewSource(time.Now().UnixNano()))
    for i := 0; i < size; i++ {
        result = append(result, strBytes[r.Intn(len(strBytes))])
    }
    return
}

func AesEncrypt(sSrc string, sKey string, aseKey string) (string, error) {
    iv := []byte(aseKey)
    block, err := aes.NewCipher([]byte(sKey))
    if err != nil {
        return "", err
    }
    padding := block.BlockSize() - len([]byte(sSrc))%block.BlockSize()
    src := append([]byte(sSrc), bytes.Repeat([]byte{byte(padding)}, padding)...)

    model := cipher.NewCBCEncrypter(block, iv)
    cipherText := make([]byte, len(src))
    model.CryptBlocks(cipherText, src)
    return base64.StdEncoding.EncodeToString(cipherText), nil
}

func RsaEncrypt(key string, pubKey string, modulus string) string {
    rKey := ""
    for i := len(key) - 1; i >= 0; i-- { // reserve key
        rKey += key[i : i+1]
    }
    hexRKey := ""
    for _, char := range []rune(rKey) {
        hexRKey += fmt.Sprintf("%x", int(char))
    }
    bigRKey, _ := big.NewInt(0).SetString(hexRKey, 16)
    bigPubKey, _ := big.NewInt(0).SetString(pubKey, 16)
    bigModulus, _ := big.NewInt(0).SetString(modulus, 16)
    bigRs := bigRKey.Exp(bigRKey, bigPubKey, bigModulus)
    hexRs := fmt.Sprintf("%x", bigRs)
    return addPadding(hexRs, modulus)
}

func addPadding(encText string, modulus string) string {
    ml := len(modulus)
    for i := 0; ml > 0 && modulus[i:i+1] == "0"; i++ {
        ml--
    }
    num := ml - len(encText)
    prefix := ""
    for i := 0; i < num; i++ {
        prefix += "0"
    }
    return prefix + encText
}
  • Music163Spider
type Music163Spider struct {
    // send request
    client  *http.Client
    // request's header
    headers map[string]string
}

func NewMusic164Spider() (spider Music163Spider) {
    headers := make(map[string]string)
    headers["Accept"] = "ext/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8"
    // empty here
    headers["Accept-Encoding"] = ""
    headers["Content-Type"] = "application/x-www-form-urlencoded"
    headers["User-Agent"] = "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.98 Safari/537.36"
    headers["Host"] = constants.Music163Host
    headers["Cache-Control"] = "no-cache"
    headers["Connection"] = "keep-alive"
    headers["Pragma"] = "no-cache"
    headers["Origin"] = fmt.Sprintf("%s%s", constants.HttpsPrefix, constants.Music163Host)
    headers["Accept"] = "ext/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8"
    return Music163Spider{
        client:  &http.Client{},
        headers: headers,
    }
}

加密函数,实现window.asrsea的加密功能

func (spider Music163Spider) dataEncrypt(dataBytes []byte) (content map[string]string) {
    content = make(map[string]string)
    randomBytes := encrypt.RandomStr(16)
    params, err := encrypt.AesEncrypt(string(dataBytes), constants.SrcretKey, constants.AseKey)
    if err != nil {
        fmt.Println(err)
    }
    params, err = encrypt.AesEncrypt(params, string(randomBytes), constants.AseKey)
    if err != nil {
        fmt.Println(err)
    }
    encSecKey := encrypt.RsaEncrypt(string(randomBytes), constants.PubKey, constants.Modulus)
    if err != nil {
        fmt.Println(err)
    }
    content["params"] = string(params)
    content["encSecKey"] = string(encSecKey)
    return content
}

定义了发送post请求的方法


func (spider Music163Spider) httpPost(url string, headers map[string]string, params interface{}) (result []byte, err error) {
    body := make(url2.Values)
    jsonParams, err := json.Marshal(params)
    if err != nil {
        return nil, err
    }
    encryptResultMap := spider.dataEncrypt(jsonParams)
    body["params"] = []string{encryptResultMap["params"]}
    body["encSecKey"] = []string{encryptResultMap["encSecKey"]}
    req, err := http.NewRequest("POST", url, strings.NewReader(body.Encode()))
    for key, value := range headers {
        req.Header.Add(key, value)
    }
    if err != nil {
        return nil, err
    }
    resp, err := spider.client.Do(req)
    defer resp.Body.Close()
    data, err := ioutil.ReadAll(resp.Body)
    if err != nil {
        return nil, err
    }

    return data, nil
}

发送参数

type BaseRequestBody struct {
    Offset    string `json:"offset"`
    Total     string `json:"totail"`
    Limit     string `json:"limit"`
    CsrfToken string `json:"csrf_token"`
}

type PlayRecordRequestBody struct {
    BaseRequestBody
    Type string `json:"type"`
    Uid  string `json:"uid"`
}

根据获取排行榜请求返回数据来创建相应的对象

type SongDetail struct {
    Song common.Song `json:"song"`
    // ignore other
}
type PlayRecord struct {
    PlayCount  int        `json:"playCount"`
    Score      int        `json:"score"`
    SongDetail SongDetail `json:"song"`
}

type PlayRecordResp struct {
    Code     int          `json:"code"`
    AllData  []PlayRecord `json:"allData"`
    WeekData []PlayRecord `json:"weekData"`
}

定义好对象后,就可以使用模拟发送请求了, spider的GetPlayRecord方法

func (spider Music163Spider) GetPlayRecord(userId string) (record response.PlayRecordResp, err error) {
    playRecordReqBody := request.PlayRecordRequestBody{
        Uid:  userId,
        Type: "-1",
        BaseRequestBody: request.BaseRequestBody{
            Offset:    "0",
            Total:     "true",
            Limit:     "1000",
            CsrfToken: "",
        },
    }
    playRecordUrl := fmt.Sprintf("%s%s%s?csrf_token=", constants.HttpsPrefix, constants.Music163Host, constants.PlayRecord)
    result, err := spider.httpPost(playRecordUrl, spider.headers, playRecordReqBody)
    if err != nil {
        return
    }
    playRecordResp := response.PlayRecordResp{}
    json.Unmarshal([]byte(result), &playRecordResp)
    return playRecordResp, nil
}

测试一下

func main() {
    musicSpider := spider.NewMusic164Spider()
    record, _ := musicSpider.GetPlayRecord("62947535")
    jsonData, _ := json.MarshalIndent(record, "", "\t")
    fmt.Println(string(jsonData))
}

结果输出

Reference

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享:
开发与运维
使用钉钉扫一扫加入圈子
+ 订阅

集结各类场景实战经验,助你开发运维畅行无忧

其他文章