python爬虫----通过Node.js来执行js

python脚本中可以通过PyExecJS库来处理js代码（可参考：excejs的使用），但是性能并不高，很难满足高并发的要求

Node.js是一个Javascript运行环境(runtime)。它对Google V8引擎进行了封装，使用事件驱动， 非阻塞I/O 模型而得以轻量和高效，能够方便地搭建响应速度快、易于扩展的网络应用，因此我们可以借助Node.js来执行js代码。

思路：

  • 创建一个js文件，用于存储我们抠出来的js代码，并且通过exports对外暴露属性或方法，或者通过module.exports对外暴露对象（包含多个属性或方法）
  • 创建一个server.js文件，通过require载入上述js文件，然后利用express框架来搭建web应用，通过定义路由来实现各种js逻辑
  • 通过命令：node server.js 来开启web应用，然后在python脚本中通过requests向应用服务器发送get/post请求获取响应数据

我们以百度翻译案例中的js为例，获取sign参数：

  • 准备工作

    • 安装Node.js
    • 使用淘宝镜像 
      npm install -g cnpm --registry=https://registry.npm.taobao.org

      国内直接使用 npm 的官方镜像是非常慢，推荐使用淘宝 NPM 镜像，使用淘宝定制的 cnpm 命令行工具代替默认的 npm

    • 安装Express框架，并将其保存到依赖列表 
      cnpm install express --save

      以上命令会将 Express 框架安装在当前目录的 node_modules 目录中，如果没有该目录则自动创建， node_modules 目录下会自动创建 express 目录

    • 安装body-parser模块 
      cnpm install body-parser --save

      该模块用于处理 JSON, Raw, Text 和 URL 编码的数据

  • 编写baiduTranslate.js文件

    function n(r, o) {
        for (var t = 0; t < o.length - 2; t += 3) {
            var a = o.charAt(t + 2);
            a = a >= "a" ? a.charCodeAt(0) - 87 : Number(a),
            a = "+" === o.charAt(t + 1) ? r >>> a : r << a,
            r = "+" === o.charAt(t) ? r + a & 4294967295 : r ^ a
        }
        return r
    }

function getSign(r) {
    var i = '320305.131321201';
    var o = r.match(/[\uD800-\uDBFF][\uDC00-\uDFFF]/g);
    if (null === o) {
        var t = r.length;
        t > 30 && (r = "" + r.substr(0, 10) + r.substr(Math.floor(t / 2) - 5, 10) + r.substr(-10, 10))
    } else {
        for (var e = r.split(/[\uD800-\uDBFF][\uDC00-\uDFFF]/), C = 0, h = e.length, f = []; h > C; C++)
            "" !== e[C] && f.push.apply(f, a(e[C].split(""))),
            C !== h - 1 && f.push(o[C]);
        var g = f.length;
        g > 30 && (r = f.slice(0, 10).join("") + f.slice(Math.floor(g / 2) - 5, Math.floor(g / 2) + 5).join("") + f.slice(-10).join(""))
    }
    var u = void 0
        , l = "" + String.fromCharCode(103) + String.fromCharCode(116) + String.fromCharCode(107);
    u = null !== i ? i : (i = window[l] || "") || "";
    for (var d = u.split("."), m = Number(d[0]) || 0, s = Number(d[1]) || 0, S = [], c = 0, v = 0; v < r.length; v++) {
        var A = r.charCodeAt(v);
        128 > A ? S[c++] = A : (2048 > A ? S[c++] = A >> 6 | 192 : (55296 === (64512 & A) && v + 1 < r.length && 56320 === (64512 & r.charCodeAt(v + 1)) ? (A = 65536 + ((1023 & A) << 10) + (1023 & r.charCodeAt(++v)),
            S[c++] = A >> 18 | 240,
            S[c++] = A >> 12 & 63 | 128) : S[c++] = A >> 12 | 224,
            S[c++] = A >> 6 & 63 | 128),
            S[c++] = 63 & A | 128)
    }
    for (var p = m, F = "" + String.fromCharCode(43) + String.fromCharCode(45) + String.fromCharCode(97) + ("" + String.fromCharCode(94) + String.fromCharCode(43) + String.fromCharCode(54)), D = "" + String.fromCharCode(43) + String.fromCharCode(45) + String.fromCharCode(51) + ("" + String.fromCharCode(94) + String.fromCharCode(43) + String.fromCharCode(98)) + ("" + String.fromCharCode(43) + String.fromCharCode(45) + String.fromCharCode(102)), b = 0; b < S.length; b++)
        p += S[b],
            p = n(p, F);
    return p = n(p, D),
        p ^= s,
    0 > p && (p = (2147483647 & p) + 2147483648),
        p %= 1e6,
    p.toString() + "." + (p ^ m)
}

//可以采用以下3种方式对外暴露getSign方法

//方式1：使用exports对外暴露getSign方法
exports.getSign = getSign

//方式2：使用module.exports对外暴露对象，该对象具有getSign方法
// module.exports = {
//     getSign:getSign
// }

//方式3：是方式2的简写方式，对于方法名和函数名相同的都可以采用简写方式，多个方法间用逗号','隔开
// module.exports = {
//     getSign
// }

    该js文件中是抠出来的js代码，并且向外暴露getSign方法

  • server.js

    //引入依赖包

var express = require('express');
var bodyParser = require('body-parser');

//引入自定义模块
var baiduTranslate = require('./baiduTranslate');

//创建应用实例
var app = express();

//将表单数据或者json数据转换成对象，以下只有一个会执行
app.use(bodyParser.urlencoded({extended:true}));
app.use(bodyParser.json());


//创建路由
//POST请求
app.post('/get_sign',function (req,res) {
    //获取请求体中传递的参数
    let result = req.body;
    let content = result.content
    //调用baiduTranslate模块中的getSign方法，并传入参数
    result = baiduTranslate.getSign(content)
    res.send(result.toString());
});

//创建路由
//GET请求
app.get('/get_sign',function (req,res) {
    //获取查询字符串参数
    let result = req.query;
    let content = result.content;
    //调用baiduTranslate模块中的getSign方法，并传入参数
    result = baiduTranslate.getSign(content)
    res.send(result.toString());
})

//启动服务
var server = app.listen(8888,function () {
    var host = server.address().address
    var port = server.address().port
    console.log("开启服务，访问地址为 http://%s:%s", host, port)
})

    以后编写server.js代码，可以直接参照上述模板，只需要修改引入的（自定义模块名）以及（路由函数中的逻辑）即可

  • python脚本test.py

    #coding:utf-8

import requests

url = 'http://localhost:8888/get_sign'
content = input('请输入需要翻译的内容:')

sign1 = requests.post(url=url,data = {'content':content}).text
print('通过post请求获取sign参数:{}'.format(sign1))
sign2 = requests.get(url=url,params={'content':content}).text
print('通过get请求获取sign参数:{}'.format(sign2))

  • 在server.js文件所在目录下，通过cmd命令行启动服务

    node server.js

  • 运行python脚本后结果展示：

    请输入需要翻译的内容:hello
通过post请求获取sign参数:54706.276099
通过get请求获取sign参数:54706.276099

     

posted @ 2021-10-07 02:51  eliwang  阅读(877)  评论(0)  编辑  收藏  举报