python3.x爬取网易云音乐评论

在简单学习了python爬虫后，又想继续折腾，进而找到了这个网易云音乐，因为本人平时就是用它听的歌，也喜欢看歌里的评论，所以就爬网易云音乐评论吧，那么开始吧！

正式进入主题

首先还是去找目标网页并开始分析网页结构，如下

上面的三个箭头都是所要找的数据，分别是评论用户，评论和点赞数，都可以用正则表达式找出来，接下来继续找怎样找到下一页的数据，还是用开发者工具，但是当点击下一页的时候，网页的url没有变，说明网页是动态加载，所以就不能在当前网页找数据了，应该在他的xhr文件里找，所以点入network看看，然后也点击下一页一看，果然有想要的

看到这里，就兴奋地去敲代码了

一点击运行，结果什么东西都没有，但是他的状态码是200，明显请求成功啊，却没有东西返回，再去network仔细看看这个网页，看到他是个post请求，也看到了需要post两个参数params和ensSecKey

一看到这个，密密麻麻的数字和字母，就猜应该是被加密了，不过可以复制下来看看有没有用。接下来看下他的Response，咦，这是个json，不是html结构的，所以需要用到Json库来进行解析

现在开始敲代码吧，先把上面的两个参数复制过来看看。

现在把每条评论的评论用户和点赞数和评论获取出来

可以看到，利用json.loads()方法把数据转成python格式里的字典后就可以把想要的数据取出来了，但是，下一页怎样取？总不能每次都复制粘贴那两个参数吧？那唯一的方法就是不爬了。。怎么可能？我的继续，那我就要进行破解这两个参数了，那好继续看network，因为要加密，肯定要用js进行加密的

看到刚才那个网站的发起者core.js,,然后把它文件下载下来慢慢研究

保存后在经过美化，然后进行查找那个encSecKey参数（ps:JSj'e'tong'yang'de美化网址为http://www.css88.com/tool/js_beautify/），然后找到这个

看到window.asrsea()方法有四个参数，先不去管这个函数，先看看他的四个参数是什什，这里没必要去研究那四个参数怎样来的，只需要知道他是什么，那么我们可以加点代码上去让他显示出来，从而利用fiddler来进行调试

加入代码如下

可以分别获取上面的每一个参数，也把那个params获取看看，然后在fiddler上操作如下

完成上面的设置后刷新网页就可以在console上面找到参数信息，如果没有的话这是因为你之前浏览该网页的时候它被缓存了下来，所以要清除缓存文件（在清除浏览器记录里面有）

那个rid有本歌曲的id，明显是与评论有关的，我试着连翻几页后，发现那个offset就是评论偏移数，offset就是(页数-1)*20，total在第一页是true，在其他页是false

同样的方法也得到第二个参数为：010001

第三个参数为：00e0b509f6259df8642dbc35662901477df22677ec152b5ff68ace615bb7b725152b3ab17a876aea8a5aa76d2e417629ec4ee341f56135fccf695280104e0312ecbda92557c93870114af6c9d05c4f7f0c3685b7a46bee255932575cce10b424d813cfe4875d3e82047b97ddef52741d546b8e289dc6935b3ece0462db0a22b8e7

第四个参数为：0CoJUm6Qyw8W8jud

接下来就要看window.asrsea()方法是什么操作的了，还是通过查找js文件可以看到这个

通过研究i是随机获取十六个字符而b函数是AES加密，其中偏移量为0102030405060708，模式为CBC，看回d函数，其中params连续两次加密，第一次加密时，文本为第一个参数。密钥为第四个参数，第二次加密时文本为第一次加密的值，密钥为随机数a。而encSeckey是一个RSA加密，他的公钥是第二个参数，模式是第三个参数，文本为那个随机字符串a

终于分析完了，接着开始敲代码

先来个获取第一页评论的代码

这是获取两个参数的类

这是解析网易云音乐和获取评论的类

然而一点击运行，直接给我报了个错：TypeError: can't concat str to bytes

原来是因为在第二次加密的时候，那个params是个byte类型，所以把他转成字符串类型就可以了

再次点击运行，结果还是报错了：json.decoder.JSONDecodeError: Expecting value: line 1 column 1 (char 0)

这个报错因为我的json解析错了，回头调试一看，网页返回的东西是空的，但他的状态码是200，这是什么鬼？接着我再试了把那两个参数的值直接复制和前面一样看看，结果运行成功，这就说明我的是加密过程错了，然后我就回去看了几篇，看不出什么错误，上网百度找到了这个知乎文章https://zhuanlan.zhihu.com/p/32069543，我把她的代码复制过来运行下，结果是可以的，我就继续看看我和她的区别，原来我在用那个16个随机字符的时候用错了，我在两个参数给了两个不同的，而是需要给共同一个的，看到这里，我就直接回去改了下，果然运行成功，代码我就不贴出来了，效果如下

接着是获取每一页的评论，而每一页与第一个参数的offset有关，其中的公式为offse=(页数-1)*20，total在第一页是true，在其他页是false

而写入数据库我用的是我这篇文章的操作

http://mp.weixin.qq.com/s/6sQ_ER39P2NtXaPOnGdQNA

，由于篇幅过长，就不贴出来了，感兴趣的可以去看看

接下来点运行就可以了，但是运行到第八页的时候出现了这个异常

raise errorclass(errno, errval)

pymysql.err.InternalError: (1366, "Incorrect string value: '\\xF0\\x9F\\x92\\x94' for column 'content' at row 1")

原因是这条评论有个识别不了的表情，之后百度参考这篇文章http://blog.csdn.net/HHTNAN/article/details/76769264?locationNum=9&fps=1修改了数据库的编码方式，注意还要自己修改下创建数据库时的编码方式才可！

这是首页数据库效果

终于完成了，虽然辛苦，但是值得，在这个过程中也学会了很多东西，在写这篇文章时参考了两篇文章，一个是知乎首个回答https://www.zhihu.com/question/36081767/answer/140287795，另一个就是解密过程https://github.com/cosven/cosven.github.io/issues/30

作者：sergiojune
链接：https://www.jianshu.com/p/fabdeedfdbac