Google Translation API Analysis

题图来自网络

1 前言

为了实现一个本地单词测试系统 MemorizingWords （大致就是给定单词读音，用户反应出该单词的拼写和意思，然后校验）。加之，之前我是一名标准的 Google 脑残粉，遂，研究 Google-Translate 网站的前端代码。分析出翻译和语音 API。希望可以获取到相关的数据。

Google 的所有页面都是经过压缩的，HTML 页面也不例外。研究的时候异常艰难。

在研究相关的 JS 代码的时候，也是运气好，被我碰到了。对于这种排查接口的行为我总结出了一个经验，可以通过搜索 XMLHttpRequest ，迅速定位到数据入口。之后打断点跟踪。如果当时没有找到这个，我不知道我还能不能找出这些数据。

还有，Google 在接口方面还是做了一点功课的，比如获取数据接口需要加上一个 Token, 这个 Token 是用 JS 前端生成的。没有这个 Token，就无法正常获取数据。这个我后面会详细讲。

接口随时可能失效，请自行探索或者邮件我协助处理。 好的，让我们开始吧。

2 翻译

GET https://translate.google.cn/translate_a/single?client=t&sl=en&tl=${tl}&hl=en&dt=at&dt=bd&dt=ex&dt=ld&dt=md&dt=qca&dt=rw&dt=rm&dt=ss&dt=t&ie=UTF-8&oe=UTF-8&source=btn&rom=1&srcrom=1&ssel=3&tsel=6&kc=0&tk=${tk(word)}&q=${encodeURIComponent(word)}

核心参数：

tl=en // 翻译语言
hl=en // 被翻译语言
ie=UTF-8
oe=UTF-8
tk=tk(word)
q=encodeURIComponent(word)

其中生成 tk (Token) 的方法函数如下。详细代码请戳这里

var oM = function(a) {
  var b;
  if (null  !== nM)
    b = nM;
  else {
    b = lM(String.fromCharCode(84));
    var c = lM(String.fromCharCode(75));
    b = [b(), b()];
    b[1] = c();
    b = (nM = window[b.join(c())] || k) || k
  }
  var d = lM(String.fromCharCode(116))
  , c = lM(String.fromCharCode(107))
  , d = [d(), d()];
  d[1] = c();
  c = cb + d.join(k) +
    Ff;
  d = b.split(jd);
  b = Number(d[0]) || 0;
  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 = mM(a, $b);
  a = mM(a, Zb);
  a ^= Number(d[1]) || 0;
  0 > a && (a = (a & 2147483647) + 2147483648);
  a %= 1E6;
  return c + (a.toString() + jd + (a ^ b))
}

有了获取翻译接口数据的 Token 之后，我以为就可以迅速的获取数据了，但是我失败了。Google 返回的数据不是标准的 JSON 数据格式。需要用特殊的方式转换。转换核心是用 eval 函数。这个真是出乎我的意料，真是找了好久。

var Pb = "(", Ub = ")"
var TK = function(a) {
  return eval(Pb + a + Ub)
}

有了上述 2 个核心函数，你就可以欢快的去写脚本翻译单词啦。

3 语音

相对翻译数据来说，获取语音的接口就相对容易一些了。

Translate 页面接口

GET https://translate.google.cn/translate_tts?ie=UTF-8&total=1&idx=0&client=t&tl=en$(tk(word))&q=encodeURIComponent(word)

核心参数：

ie=UTF-8
tl=en // 发音语言
tk=tk(word)
q=encodeURIComponent(word)

tk 生成函数参照上一小节。该接口的发音是 Google “实时”计算出的值。所以，你给定任何字母组合，Google 都会返回一段语音数据。

另外，在 Google 搜索页面也有一个语音接口

GET https://ssl.gstatic.com/dictionary/static/sounds/de/0/[your-word-x].mp3

这个接口唯一的参数就是所查单词。但是有一个限制，就是有些单词可能没有发音文件，或者单词错误也不会有读音（废话）。

4 尾声

谷歌翻译页面的源代码被 Google 精心处理过，上述接口我也是花费了一个下午才排查出来。还有就是运气好，让我比较快速的找到了数据入口函数，不然真的很难破解。所有 JS 代码都被压缩和混淆过的，所以肉眼不是很好分辨。分析的时候，一定要顶住！当发现一条路无法走通的时候，可以转换一下思路，曲线救国。一定会有出路的！

对于数据解析，也是颠覆了我之前的看法。原先我的脑海中只有 JSON 或者 XML。通过这次研究 Google 翻译页面的代码，让我的思路又多了一条。

最后感谢 Google 提供了这么好的服务。另外， https://translate.google.cn 不需要 Fan Qiang 也可以访问哦。

以上。