爬取网易云，搜索指定歌曲，一段为期六天的心酸心累爬歌史。_网易云{"msg":"参数错误","code":400}{"msg":"参数错误","code":4-优快云博客

本文链接：https://blog.youkuaiyun.com/Neveer/article/details/92837747

爬网易云音乐实现搜索，用了一个星期，头发都掉了一大撮。

主要是实现了通过程序在网易云音乐搜索某首歌曲然后下载的功能，可以批量下载。

这是个记录贴，很多废话，是解决问题，分析错误的记录。看代码的请直接移步文末！！！

最近我哥给了个歌单，走的是怀旧路线，2003年排行榜前100的歌，让我帮他下载这些歌。

作为一个程序员，当然是要爬虫，手动多low啊！！！

网上有很多爬网易云网络歌单或者在线排行榜的，然而本地歌单的话需要搜索歌名，但是这方面的博客资料基本找不到。

摸索吧，照抓翻页评论那样来找请求传输的两个参数吧。

找 params 和 encSecKey 两个参数用了2天半。。。尝试 fiddler 用了一天多，尝试 charles 用了大半天。。。缓存也清过，证书代理也设置过，浏览器也测试了360、IE、chrome、Firefox，系统也尝试了Ubuntu 18.04，win10……就是抓不到 js ，替换本地 js 也不管用，心态真的爆炸！！！boomboomboom ！！！

遇到问题：

1. 直接用get取链接，获取不到任何内容

2. 按照那些爬评论的所说想办法得到 params 和 encKey。就要找到4个参数。浏览器的F12能找到js文件，但是使用 fiddler 和 charles 抓取不到js文件。各种设置都徒劳，使用 AutoResponder 和 map local 都不能实现加载本地修改过的js文件。

3. 找到4个参数后，用写好的加密代码报错：

ValueError: Input strings must be a multiple of 16 in length

找到原因：加密的字符串里面不能有中文？中文才报错。可是我的歌名是中文的啊！what fuck。

感谢https://www.jianshu.com/p/0de709b3f64f解决了我的问题！！！

“用python进行aes加密的时候，只能加密数字和字母，不能对中文进行加密，会报错

Input strings must be a multiple of 16 in length

解决方方法是在cbc加密的模式下，在对字符串补齐为长度为16的倍数时，长度指标不能用中文，要先把他转为unicode编码的长度才可以。”

所以这个解决好了，又来错误了，我运行@平胸小仙女在知乎回答的原代码也出现这个错误：

TypeError: can't concat str to bytes

原因是：第一层加密之后输出的 h_encText 是一个 bytes 类型的而不是str。

将第一层的输出 h_encText 转换成str后，得到：

b'l0DReXb5aAvihEQDNTMbTa7+nPPGN/H00lOvE/h4C7Jbe8xoNDCJD7J4fMb+crzbZbu19Fk/icpW+RfQSWqvxA=='

当然是不行的，json.loads(json_text) 时就会得到很多人都遇到的的这个错误：

JSONDecodeError: Expecting value: line 1 column 1 (char 0)

这是因为你转换的str多了b和两边的引号，数据已经变了，当然就得到错误的 params ，后面的 get_json（）也就得到的是空。

所以用 lstrip()和 rstrip() 把多出来的去掉。最后代码变成下面这样就能够成功运行了。

# 以下代码是2019.6.19日对@平胸小仙女代码的一点修改使之能够顺利运行
#coding = utf-8
from Crypto.Cipher import AES
import base64
import requests
import json


headers = {
    'Cookie': 'appver=1.5.0.75771;',
    'Referer': 'http://music.163.com/'
}

first_param = "{rid:\"\", offset:\"0\", total:\"true\", limit:\"20\", csrf_token:\"\"}"
second_param = "010001"
third_param = "00e0b509f6259df8642dbc35662901477df22677ec152b5ff68ace615bb7b725152b3ab17a876aea8a5aa76d2e417629ec4ee341f56135fccf695280104e0312ecbda92557c93870114af6c9d05c4f7f0c3685b7a46bee255932575cce10b424d813cfe4875d3e82047b97ddef52741d546b8e289dc6935b3ece0462db0a22b8e7"
forth_param = "0CoJUm6Qyw8W8jud"

def get_params():
    iv = "0102030405060708"
    first_key = forth_param
    second_key = 16 * 'F'
    h_encText = AES_encrypt(first_param, first_key, iv)
    print(h_encText)
    print(str(h_encText).lstrip('b\'').rstrip('\''))
    h_encText = AES_encrypt(str(h_encText).lstrip('b\'').rstrip('\''), second_key, iv)
    return h_encText


def get_encSecKey():
    encSecKey = "257348aecb5e556c066de214e531faadd1c55d814f9be95fd06d6bff9f4c7a41f831f6394d5a3fd2e3881736d94a02ca919d952872e7d0a50ebfa1769a7a62d512f5f1ca21aec60bc3819a9c3ffca5eca9a0dba6d6f7249b06f5965ecfff3695b54e1c28f3f624750ed39e7de08fc8493242e26dbc4484a01c76f739e135637c"
    return encSecKey
    

def AES_encrypt(text, key, iv):
    pad = 16 - len(text) % 16
    text = text + pad * chr(pad)
    
    encryptor = AES.new(key, AES.MODE_CBC, iv)
    encrypt_text = encryptor.encrypt(text)
    encrypt_text = base64.b64encode(encrypt_text)
    return encrypt_text


def get_json(url, params, encSecKey):
    data = {
         "params": params,
         "encSecKey": encSecKey
    }
    response = requests.post(url, headers=headers, data=data)
    return response.content


if __name__ == "__main__":
    url = "http://music.163.com/weapi/v1/resource/comments/R_SO_4_30953009/?csrf_token="
    params = get_params();
    encSecKey = get_encSecKey();
    json_text = get_json(url, params, encSecKey)
    json_dict = json.loads(json_text)
    print(json_dict.keys())
    print(json_dict['hotComments'])
    print (json_dict['total'])
    for item in json_dict['comments']:
        print (item['content'])

代码运行结果是：

这个问题解决了，回到正题，也就是实现搜索的问题上。

把 h_encText 纠正了之后，再 json.loads(json_text)，程序不出错了，能够运行，但是的出来的是：

{"msg":"参数错误","code":400}
{'msg': '参数错误', 'code': 400}

我的天，这又是啥啊？

就还是 params 和 encSecKey 获取得有问题呗。想着只生成了 params ，我的 encSecKey 也要自己动手生成啊，不要用固定的那个啊。

然后参考 https://www.cnblogs.com/new-june/p/9403562.html 中大神的代码，发现这里面两个参数都是按照加密方法加密得来的，在简单的删掉 aesEncrypt 函数中的三处 bytearray(xxxx,'utf-8') 的这个 bytearray 和 utf-8之后便能够正常运行了。

运行结果如下：（并且在当前文件夹生成了一个comments文件夹，当一首歌的评论爬完之后在comments里生成一个txt）

然鹅，把这个 get_params 和 get_encSecKey 搬到我的程序里，还是不对不对！！！！还是：

JSONDecodeError: Expecting value: line 1 column 1 (char 0)

于是我猜想是不是搜索和评论翻页用的编码 js 不一样，然后我就把翻评论页和搜索时候的core.js保存下来，然后把相关的函数都进行对比，发现是一模一样的。所以就用网上那些编码方式应该是对的啊！为什么搞不对呢！！！气死我了。

今天是第三天要完了。啊啊啊，还是没弄出来！有毒有毒！我要被气死了！！！不过我觉得越来越接近真相了。

------------------------------------------------------------------第四天----------------------------------------------------------------------------

搜索同一首歌 “lucky”，刷新网页，在 Network 里面找到不同的 params 的值，和同一个 encSecKey 的值直接给 json.loads()，发现不能够得到搜索结果，这说明同评论翻页不一样，这里的 encSecKey 不能是一个固定值，也必须实时加密得到，和 params 是一一对应的，对应的点应该是那个随机的 “second_key = 16 * 'F'”？毕竟反观core.js 中 encSecKey得到的不同只与变化的 i （即这个second_key）有关，所以要保证这个 i 和生成 params 的 i 相同？

啊，要不我按照 core.js 中的函数一一实现？通过 source 中的单步调试得到参数的值，看看我们的python加密出来的结果是不是一样。

在把程序中的 second_key 改成与这个里面的 i 值相同之后，即 = "S856GDWDq725eSUM"，一步一步stepover，得到 params需要经过两次加密，这里的b()，我程序中的 aesEncrypt()。下图可以看到，第一次加密得到的encText:

encText1 = "yn32X7ciiZV75Vinljri+S7q1DPP+UVXiZFZf6J/rsrzU6uqopRC3auK6N9Y7zfEN3K2r9kUZ5sT9L5IsI33oA=="

再继续单步执行可以看到下图的第二次加密得到的encText，这也就是最终的 params：

encText(params) = "2OjNmXsDZ5UDG6jnltAcNEWI6g5V+517gNsFzH28IEZczFnDQOgyE3/2/IBIz8v8qHm6JERk77JfY5lAqQCJvNWh+2Z7EQRZyx9UZcnEAx6LqvzPJ89ax2WqzNAsxB9y"

然后巧了，我的程序中打印出两次加密的结果恰如其分一模一样（上半部分输出框是我程序的输出，与下面从调试工具里复制出来的一毛一样）：

所以，params的加密是没有什么问题的！！！那么？喵喵喵就是老哥的 encSecKey 的加密有问题？那就来看看吧。

首先看看core.js中加密的函数：还是有点看不懂的。那就在调试里看参数变化吧。

setMaxDigits()

setMaxDigits()，到底应该传值多少？

在JS文件中给出公式为：n * 2 / 16。其中n为密钥长度。
    如果n为1024，则值应为 1024 * 2 / 16 = 128。

经过测试，传128后台解密会报错；正确的值应该大于128。

个人喜好的公式是：n * 2 / 16 + 3
即  密钥长度若为1024，其值为 131
    密钥长度若为2048，其值为 259

其实和下面这段.javascript 加密代码一个套路，就是先生成公钥，然后用公钥加密内容。

function rsa_pwd(content){
    //十六进制公钥 
    var rsa_n = "DB89C01D4550F9974C30AF5370214F3....";
    setMaxDigits(131); //131 => n的十六进制位数/2+3 
    var key = new RSAKeyPair("10001", '', rsa_n); //10001 => e的十六进制  // 第一个参数是加密因子，第二个参数是解密因子，因为浏览器端不需要解密，所以第二个参数传入空字符串，//第三个参数 modulus 是解密钥匙
    content_rsa = encryptedString(key, content); //加密，不支持汉字 
    return content_rsa;
}

然后程序里这个 rsaEncrypt() 函数里 text = text [::-1]什么意思？试了一下，原来是让字符串完全颠倒过来。

额，不看了，原来老哥rsa加密也是正确的，搞得还把加密都看了一圈……佛了。可以看到程序的输出和调试得到的参数又是一毛一样。

那……到底是怎么慧思。为什么分开来看没问题啊，拼在一起咋就参数错误呢！！！

哎呀，好像找到问题了。输出的 params 是 bytes 类型的，尝试一下转一转成字符串。不顶用……

我擦，什么原理？？？

------------------------------------------------------------------第五天----------------------------------------------------------------------------

发现一个问题，系统生成出来的 params 总是比在调试台和程序生成出来的要长很多。 encSecKey 长度相同，我严重怀疑是不是第一个包含歌名的那个参数错了，不止那么长。参见 https://www.jianshu.com/p/0de709b3f64f 中的那个参数是：

d = '{"hlpretag":"<span class=\"s-fc7\">","hlposttag":"</span>","s":"可能否","type":"1","offset":"0","total":"true","limit":"30","csrf_token":""}'

弄上去生成的 params 长度基本相近但是还是短一点。为什么在调试台单步执行出来的参数是不正确的呢？

找不到原因、暂时搁置。

还是试试大哥https://www.jianshu.com/p/0de709b3f64f的代码吧。

呜呜呜～别人的怎么可以搜索下载。快参考一下别人的代码⑧！

移植一下，终于得到了json内的内容也就是搜索结果的歌曲信息列表：

通过各方面的了解，搜索结果中每首歌曲里面的部分重要的 keys 解释如下：

'name':歌名 / 'id':id / 'ar':艺术家/ 'alia':别名/ 'pop':流行指数/ 'al':专辑/ 'dt':时间(ms)/ 
'h'：高质量版本(其中的size是文件大小单位是B)/ 'm':中等版本/ 'l'：低质量版本/ 
'publishTime'：出版时间（是与1970年1月1日0:0:0相差的毫秒数，
为什么这样表示：https://blog.youkuaiyun.com/sundacheng1989/article/details/51350767
如何转换：https://stackoverflow.com/questions/4964634/how-to-convert-long-type-datetime-to-datetime-with-correct-time-zone）/ 
'privilege'：版权

所以我们就可以提取重要的歌曲信息了，并且设置条件进行筛选。

最终下载效果如下：