Fiddler 手機爬蟲

時間  2019-11-30
標籤 fiddler 手機 爬蟲 欄目 網絡爬蟲 简体版
原文   原文鏈接

Fiddler抓包工具

配置Fiddlerhtml

  1. 添加證書信任，Tools - Options - HTTPS，勾選 Decrypt Https Traffic 後彈出窗口，一路確認
  2. ...from browsers only 設置只抓取瀏覽器的數據包
  3. Tools - Options - Connections，設置監聽端口（默認爲8888）
  4. 關閉Fiddler,再打開Fiddler，配置完成後重啓Fiddler（重要）

配置瀏覽器代理json

一、安裝Proxy SwitchyOmega插件
二、瀏覽器右上角：SwitchyOmega->選項->新建情景模式->AID1901(名字)->建立
      輸入 ：HTTP://  127.0.0.1  8888
      點擊 ：應用選項
三、點擊右上角SwitchyOmega可切換代理api

Fiddler經常使用菜單瀏覽器

一、Inspector ：查看數據包詳細內容
　　總體分爲請求和響應兩部分
二、經常使用菜單
　　Headers ：請求頭信息
　　WebForms: POST請求Form表單數據 ：<body>
　　GET請求查詢參數: <QueryString>
　　Raw 將整個請求顯示爲純文本數據結構

手機設置

正常版app

一、設置手機dom

二、設置Fiddlerscrapy

最後重啓Fiddler。ide

若是遇到問題工具

在計算機中win+R，輸入regedit打開註冊表，找到fiddler，右鍵新建點擊OWORD(64位)值Q，

名稱：80；類型：REG_DWORD；數據：0x00000000(0)

Fiddler在上面的設置下，加上：菜單欄Rules-->Customize Rules...-->重啓Fiddler

移動端app數據抓取

有道翻譯手機版破解案例

import requests
from lxml import etree
​
​
word = input('請輸入要翻譯的單詞:')
url = 'http://m.youdao.com/translate'
data = {
    'inputtext': word,
    'type': 'AUTO',
}
​
html = requests.post(url,data=data).text
parse_html = etree.HTML(html)
result = parse_html.xpath('//ul[@id="translateResult"]/li/text()')[0]
​
print(result)

途牛旅遊

目標：完成途牛旅遊爬取系統，輸入出發地、目的地，輸入時間，抓取熱門景點信息及相關評論

地址

一、地址: http://www.tuniu.com/
二、熱門 - 搜索
三、選擇: 相關目的地、出發城市、出遊時間（出發時間和結束時間）點擊肯定
四、示例地址以下:
http://s.tuniu.com/search_complex/whole-sh-0-%E7%83%AD%E9%97%A8/list-a{觸發時間}_{結束時間}-{出發城市}-{相關目的地}/

項目實現

一、建立項目

scrapy startproject Tuniu
cd Tuniu
scrapy genspider tuniu tuniu.com

二、定義要抓取的數據結構 - items.py

# 一級頁面
# 標題 + 連接 + 價格 + 滿意度 + 出遊人數 + 點評人數 + 推薦景點 + 供應商
title = scrapy.Field()
link = scrapy.Field()
price = scrapy.Field()
satisfaction = scrapy.Field()
travelNum = scrapy.Field()
reviewNum = scrapy.Field()
recommended = scrapy.Field()
supplier = scrapy.Field()
​
# 二級頁面
# 優惠券 + 產品評論
coupons = scrapy.Field()
cp_comments = scrapy.Field()

三、爬蟲文件數據分析與提取

頁面地址分析

http://s.tuniu.com/search_complex/whole-sh-0-熱門/list-a20190828_20190930-l200-m3922/
# 分析
list-a{出發時間_結束時間-出發城市-相關目的地}/
# 如何解決？
提取 出發城市及目的地城市的字典,key爲城市名稱,value爲其對應的編碼
​
# 提取字典，定義config.py存放

代碼實現

# -*- coding: utf-8 -*-
import scrapy
from ..config import *
from ..items import TuniuItem
import json
​
class TuniuSpider(scrapy.Spider):
    name = 'tuniu'
    allowed_domains = ['tuniu.com']
​
    def start_requests(self):
        s_city = input('出發城市:')
        d_city = input('相關目的地:')
        start_time = input('出發時間(20190828):')
        end_time = input('結束時間(例如20190830):')
        s_city = src_citys[s_city]
        d_city = dst_citys[d_city]
​
        url = 'http://s.tuniu.com/search_complex/whole-sh-0-%E7%83%AD%E9%97%A8/list-a{}_{}-{}-{}'.format(start_time,end_time,s_city, d_city)
        yield scrapy.Request(url, callback=self.parse)
​
    def parse(self, response):
        # 提取全部景點的li節點信息列表
        items = response.xpath('//ul[@class="thebox clearfix"]/li')
​
        for item in items:
            # 此處是否應該在for循環內建立？
            tuniuItem = TuniuItem()
            # 景點標題 + 連接 + 價格
            tuniuItem['title'] = item.xpath('.//span[@class="main-tit"]/@name').get()
            tuniuItem['link'] = 'http:' + item.xpath('./div/a/@href').get()
            tuniuItem['price'] = int(item.xpath('.//div[@class="tnPrice"]/em/text()').get())
            # 判斷是否爲新產品
            isnews = item.xpath('.//div[@class="new-pro"]').extract()
            if not len(isnews):
                # 滿意度 + 出遊人數 + 點評人數
                tuniuItem['satisfaction'] = item.xpath('.//div[@class="comment-satNum"]//i/text()').get()
                tuniuItem['travelNum'] = item.xpath('.//p[@class="person-num"]/i/text()').get()
                tuniuItem['reviewNum'] = item.xpath('.//p[@class="person-comment"]/i/text()').get()
            else:
                tuniuItem['satisfaction'] = '新產品'
                tuniuItem['travelNum'] = '新產品'
                tuniuItem['reviewNum'] = '新產品'
            # 包含景點+供應商
            tuniuItem['recommended'] = item.xpath('.//span[@class="overview-scenery"]/text()').extract()
            tuniuItem['supplier'] = item.xpath('.//span[@class="brand"]/span/text()').extract()
​
            yield scrapy.Request(tuniuItem['link'], callback=self.item_info, meta={'item': tuniuItem})
​
    # 解析二級頁面
    def item_info(self, response):
        tuniuItem = response.meta['item']
        # 優惠信息
        coupons = ','.join(response.xpath('//div[@class="detail-favor-coupon-desc"]/@title').extract())
        tuniuItem['coupons'] = coupons
​
        # 想辦法獲取評論的地址
        # 產品點評 + 酒店點評 + 景點點評
        productId = response.url.split('/')[-1]
        # 產品點評
        cpdp_url = 'http://www.tuniu.com/papi/tour/comment/product?productId={}'.format(productId)
​
        yield scrapy.Request(cpdp_url, callback=self.cpdp_func, meta={'item': tuniuItem})
​
    # 解析產品點評
    def cpdp_func(self, response):
        tuniuItem = response.meta['item']
​
        html = json.loads(response.text)
        comment = {}
        for s in html['data']['list']:
            comment[s['realName']] = s['content']
​
        tuniuItem['cp_comments'] = comment
​
        yield tuniuItem

四、管道文件處理 pipelines.py

　　print(dict(item))

五、設置settings.py

獲取出發城市和目的地城市的編號

tools.py

# 出發城市
# 基準xpath表達式
//*//*[@id="niuren_list"]/div[2]/div[1]/div[2]/div[1]/div/div[1]/dl/dd/ul/li[contains(@class,"filter_input")]/a
name : ./text()
code : ./@href  [0].split('/')[-1].split('-')[-1]
​
# 目的地城市
# 基準xpath表達式
//*[@id="niuren_list"]/div[2]/div[1]/div[2]/div[1]/div/div[3]/dl/dd/ul/li[contains(@class,"filter_input")]/a
name ： ./text()
code ： ./@href  [0].split('/')[-1].split('-')[-1]

代碼實現

import requests
from lxml import etree
​
url = 'http://s.tuniu.com/search_complex/whole-sh-0-%E7%83%AD%E9%97%A8/'
headers = {'User-Agent':'Mozilla/5.0'}
​
html = requests.get(url,headers=headers).text
parse_html = etree.HTML(html)
# 獲取出發地字典
# 基準xpath
li_list = parse_html.xpath('//*[@id="niuren_list"]/div[2]/div[1]/div[2]/div[1]/div/div[3]/dl/dd/ul/li[contains(@class,"filter_input")]/a')
src_citys = {}
dst_citys = {}
for li in li_list:
    city_name_list = li.xpath('./text()')
    city_code_list = li.xpath('./@href')
    if city_name_list and city_code_list:
        city_name = city_name_list[0].strip()
        city_code = city_code_list[0].split('/')[-1].split('-')[-1]
        src_citys[city_name] = city_code
print(src_citys)
​
# 獲取目的地字典
li_list = parse_html.xpath('//*[@id="niuren_list"]/div[2]/div[1]/div[2]/div[1]/div/div[1]/dl/dd/ul/li[contains(@class,"filter_input")]/a')
for li in li_list:
    city_name_list = li.xpath('./text()')
    city_code_list = li.xpath('./@href')
    if city_name_list and city_code_list:
        city_name = city_name_list[0].strip()
        city_code = city_code_list[0].split('/')[-1].split('-')[-1]
        dst_citys[city_name] = city_code
print(dst_citys)
相關文章
相關標籤/搜索
每日一句
    每一个你不满意的现在，都有一个你没有努力的曾经。
本站公眾號
   歡迎關注本站公眾號,獲取更多信息
聯繫我們 最近搜索 最新文章 沪ICP备13005482号-10 MyBatis教程 SQL 教程 MySQL教程 Java 教程 Thymeleaf 教程 Hibernate教程 Spring教程 Redis教程