一.抓包分析json，获取加密方式

1.抓包获取音频界面

f12打开抓包工具，播放一个（非vip）视频，点击“媒体”

单击打开

?

可以复制URL，发现就是我们要的音频。

复制“CKwRIJEEXn-cABa0TgCj-ek6”，搜索，可以找到链接的来源

?

?

2.找到json文件，分析加密

?

复制“/revision/play/v1/audio”，搜索，找到我们需要的json文件（找不到的话就刷新浏览器）

?

将json文件在‘源代码’里打开，发现"xm-sign": z.getSign() 可能是加密的方式

?

点击播放另一视频进入调试，点击getSign()函数，得

?

?

打上断点运行

?

经过断点运行分析 （运用单步运行进行分析）：

?

t 始终为 himalaya-

n，e 为服务器时间戳， 通过 https://www.ximalaya.com/revision/time 可得

r 为 当前时间的时间戳

l(100)为100以内的随机数

此时我们可以得知参数被加密后的格式为

{himalaya-服务器时间戳} +（100以内随机数）+服务器时间戳 +（100以内随机数）+当前时间戳

?但是！！！！

注意还有下述操作，鼠标放在a（e）上，出现白框，点击链接，如下：

?

?

在6660行打断点运行（合理使用‘运行’和‘单步运行’）

?

可以看出输入为 {himalaya-服务器时间戳}，继续运行看看输出为啥

?

返回"02d95bb6140a4626c9d447f2d3385e61"，是32位数字，合理猜测是md5算法，找个md5在线转换器验证一手

?

因此，a函数就是md5算法

继续运行，看看最终返回给xm-sign的是啥

?

故可以得出结论， 参数被加密后的格式（最终版本）为：

himalaya-服务器时间戳经过md5加密 +（100以内随机数）+服务器时间戳 +（100以内随机数）+当前时间戳

二.python代码实现

import requests
import json
import time
import random
import hashlib

url = 'https://www.ximalaya.com/revision/play/v1/audio?id=48241057&ptype=1'

headers = {
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/106.0.0.0 Safari/537.36 Edg/106.0.1370.47'
}

#服务器时间戳
severtime = requests.get('https://www.ximalaya.com/revision/time',headers=headers).text
#现在时间戳
nowtime = str(round(time.time()*1000)) #round()返回保留几位小数的值，默认为整数 //time.time()返回当前时间的时间戳//time.time()得10位数，目前时间戳为13位数

#求加密的参数
xm_sign = str(hashlib.md5('himalaya-{}'.format(severtime).encode()).hexdigest()) + '({})'.format(round(random.random()*100)) + severtime + '({})'.format(round(random.random()*100)) + nowtime
#print(xm_sign)

#更新请求头参数
headers['xm-sign'] = xm_sign

#提取及解析音频网址
resp = requests.get(url,headers=headers)
src_dic = json.loads(resp.text)
src = src_dic['data']['src']

#下载音频
with open(f'./video/1.m4a',mode='wb') as f:
    f.write(requests.get(src,headers=headers).content)

三.总结

本文主要介绍的爬取喜马拉雅过程中的参数解析，爬取音频较为简单，只爬取一个音频，之后可以替换音频地址或者爬取多个音频，可以使用异步的方法高效率爬取更多的音频。冲！！！