Python 爬虫之Google翻译实现

用过一些翻译工具，发现还是Google翻译最准确，但是Google翻译现在没有免费的API，网上的一些爬虫资料也太过陈旧了，Google翻译的机制早都改了，完全无用。这里简单的提供一下实现，需要更多功能可以去增加。

谷歌翻译在国内是可以是可以使用的，我这里没有使用任何vpn或者代理，访问无问题。

1、抓个包分析一下

发现是get请求方式，那就更简单了，直接拼接URL，分析一下参数，发现最关键的是q，q后面带的就是待翻译的文本，我这里只需要将英文翻译成汉语，其他的参数就直接照抄了，如果有其他需求，直接修改相关参数即可

         

http://translate.google.cn/translate_a/single?client=t&sl=en&tl=zh-CN&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&otf=1&srcrom=0&ssel=0&tsel=0&kc=5&tk=196711.345729&q=替换为待翻译字符串

2、在浏览器中使用拼接好的URL，发现请求失败，在网页中多次测试，发现Google果然做了一些工作。其中有个关键的参数tk，该参数是利用js代码计算出来的，不同的翻译内容，计算出的值就不同，没办法，只能去研究一下js的代码了，但是博主不太会js，而且该tk值的算法也是相当复杂的，最后只能借助万能的Google搜索，果然不出所料，已经有牛人提取了该tk值的算法代码。github地址：https://github.com/cocoa520/Google_TK

好了，进入正题了，附上Python代码

import execjsclass Py4Js():        def __init__(self):        self.ctx = execjs.compile("""        function TL(a) {        var k = "";        var b = 406644;        var b1 = 3293161072;                var jd = ".";        var $b = "+-a^+6";        var Zb = "+-3^+b+-f";            for (var e = [], f = 0, g = 0; g < a.length; g++) {            var m = a.charCodeAt(g);            128 > m ? e[f++] = m : (2048 > m ? e[f++] = m >> 6 | 192 : (55296 == (m & 64512) && g + 1 < a.length && 56320 == (a.charCodeAt(g + 1) & 64512) ? (m = 65536 + ((m & 1023) << 10) + (a.charCodeAt(++g) & 1023),            e[f++] = m >> 18 | 240,            e[f++] = m >> 12 & 63 | 128) : e[f++] = m >> 12 | 224,            e[f++] = m >> 6 & 63 | 128),            e[f++] = m & 63 | 128)        }        a = b;        for (f = 0; f < e.length; f++) a += e[f],        a = RL(a, $b);        a = RL(a, Zb);        a ^= b1 || 0;        0 > a && (a = (a & 2147483647) + 2147483648);        a %= 1E6;        return a.toString() + jd + (a ^ b)    };        function RL(a, b) {        var t = "a";        var Yb = "+";        for (var c = 0; c < b.length - 2; c += 3) {            var d = b.charAt(c + 2),            d = d >= t ? d.charCodeAt(0) - 87 : Number(d),            d = b.charAt(c + 1) == Yb ? a >>> d: a << d;            a = b.charAt(c) == Yb ? a + d & 4294967295 : a ^ d        }        return a    }    """)            def getTk(self,text):        return self.ctx.call("TL",text)  

在Python 中调用js代码的方式有不少种，比如PyV8库，但是目前不支持Python3，还可以使用微软的ScriptControl，只需要安装Python的win32库，但是API有些繁琐，这里我使用API最简洁的PyExecJS库，下载安装完成后，导入execjs模块即可。(给个github地址：https://github.com/doloopwhile/PyExecJS）

这里封装一个获取tk值的方法，传入的参数就是待翻译的字符串

接下来就是具体实现的Python3代码：

import urllib.request  from HandleJs import Py4Js    def open_url(url):      headers = {'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64; rv:23.0) Gecko/20100101 Firefox/23.0'}        req = urllib.request.Request(url = url,headers=headers)      response = urllib.request.urlopen(req)      data = response.read().decode('utf-8')      return data    def translate(content,tk):      if len(content) > 4891:          print("翻译的长度超过限制！！！")          return             content = urllib.parse.quote(content)            url = "http://translate.google.cn/translate_a/single?client=t"\      "&sl=en&tl=zh-CN&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&clearbtn=1&otf=1&pc=1"\      "&srcrom=0&ssel=0&tsel=0&kc=2&tk=%s&q=%s"%(tk,content)            #返回值是一个多层嵌套列表的字符串形式，解析起来还相当费劲，写了几个正则，发现也很不理想，    #后来感觉，使用正则简直就是把简单的事情复杂化，这里直接切片就Ok了      result = open_url(url)            end = result.find("\",")      if end > 4:          print(result[4:end])    def main():      js = Py4Js()            while 1:          content = input("输入待翻译内容：")                    if content == 'q!':              break                    tk = js.getTk(content)          translate(content,tk)        if __name__ == "__main__":      main()

需要注意，使用get请求，URL携带的数据有限，这里经过测试，翻译的文本长度大概4891个字符左右

到这里，基本功能就已经实现了，如果有其他的需求，可以做一些完善，比如直接将文本读取，翻译结果返回后再保存为文本文件，方便阅读，特别是做一些英文文档的翻译