首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >抓取得到App音频数据

抓取得到App音频数据

作者头像
龙哥
发布2018-10-22 14:06:47
1.6K0
发布2018-10-22 14:06:47
举报
文章被收录于专栏:Python绿色通道Python绿色通道

这两天知识星球Python绿色通道铁粉集中营上有球友要求布置一个抓取得到App数据的作业,于是我二话不说就撸了一把.

效果图如下

我们以前都是在网页上抓取数据,很少在手机App中抓取数据,那如何在抓取手机App中的数据呢?一般我们都是使用抓包工具来抓取数据.

常用的抓包工具有FiddlesCharles,以及其它今天我这里主要说说Charles使用,相比于FiddlesCharles功能更强大,而且更容易使用. 所以一般抓包我推荐使用Charles

下载与安装Charles

下载并安装Charles 再去破解Charles,这里附上文章教程,我就不多说啥了 https://www.cnblogs.com/rrl92/p/7928770.html

注意事项:

如果获取到的数据是乱码,你要设置一下连接SSL证书 在Charles中 菜单栏==>proxy==>SSL Proxying Settings ==>添加443,如上图所示. 然后当你在真正抓取数据的时候,记得把这个关掉,以免取不到数据

使用Charles

这里我直接放两张图让大家使用看看就明白了

我们一起来分析项目.

  • 打开Charles 然后打开手机,得到App,进入逻辑思维栏目. 多次刷新App, 在Charles中 Structure中有变黄的一项就是我们当前的请求,
  • 查看右边的Overview栏目,这里我们很容易发现我们的请求路径,状态,以及请求方式
  • 点击Contents栏目,上面是Requests区域,下面是Response区域. 可以看到上面的Headers 这里就是我们实际写代码时候要用到的Headers,** 注意构造Heaers时,不要出现了空格,我刚刚就犯了这个错误**
  • 再看Form栏目,这里是我们构造Post请求需要的一些参数,我们在请求的时候,注意这里面的数据变化,来找出数据请求的规律.
  • 这里我找到的数据请求规律就是通过改变时间戳来获取数据.
  • 我打算把获取的数据存入到execl中,并下载相关的音频.
  • 我们就开始来写代码. 定义一个dedao类, 定义了三个方法 request_data() parse_data() download_mp3() 代码结构如下: 这里我强调一下,一定要先有大致的思路再去写代码,我这里定义了三个方法,我心中已经知道具体流程了.
  • 另外要注意一下,我能之前说了得到是通过时间戳来去请求下一页数据,那什么时候把数据请求完了呢,以及如何去请求下一页数据, 如果时间戳与我当前存的时间戳不一致,说明还有下一页数据,否则就是数据请求完了,具体代码如下:
    # 这里有点递归的意味
  max_id = datas[-1]['publish_time_stamp']
        if self.max_id != max_id:
            self.max_id = max_id
            self.request_data()
        else:
            print('数据抓取完毕!')

完整代码:

import requests

import time
import json
from dedao.ExeclUtils import ExeclUtils
import os


class dedao(object):

    def __init__(self):
        # self.rows_title = [u'招聘标题', u'公司名称', u'公司地址', u'待遇', u'发布日期', u'招聘链接', u'招聘要求描述']
        # sheet_name = u'51job_Python招聘'
        self.rows_title = [u'来源目录', u'标题', u'图片', u'分享标题', u'mp3地址', u'音频时长', u'文件大小']
        sheet_name = u'逻辑思维音频'

        return_execl = ExeclUtils.create_execl(sheet_name, self.rows_title)
        self.execl_f = return_execl[0]
        self.sheet_table = return_execl[1]
        self.audio_info = []  # 存放每一条数据中的各元素,
        self.count = 0  # 数据插入从1开始的
        self.base_url = 'https://entree.igetget.com/acropolis/v1/audio/listall'
        self.max_id = 0
        self.headers = {
            'Host': 'entree.igetget.com',
            'X-OS': 'iOS',
            'X-NET': 'wifi',
            'Accept': '*/*',
            'X-Nonce': '779b79d1d51d43fa',
            'Accept-Encoding': 'br, gzip, deflate',
            #     'Content-Length': '    67',
            'X-TARGET': 'main',
            'User-Agent': '%E5%BE%97%E5%88%B0/4.0.13 CFNetwork/901.1 Darwin/17.6.0',
            'X-CHIL': 'appstore',
            'Cookie    ': 'acw_tc=AQAAAC0YfiuHegUAxkvoZRLraUMQyRfH; aliyungf_tc=AQAAAKwCD1dINAUAxkvoZTppW+jezS/9',
            'X-UID': '34556154',
            'X-AV    ': '4.0.0',
            'X-SEID    ': '',
            'X-SCR    ': '1242*2208',
            'X-DT': 'phone',
            'X-S': '91a46b7a31ffc7a2',
            'X-Sign': 'ZTBiZjQyNTI1OTU2MTgwZjYwMWRhMjc5ZjhmMGRlNGI=',
            'Accept-Language': 'zh-cn',
            'X-D': 'ca3c83fca6e84a2d869f95829964ebb8',
            'X-THUMB': 'l',
            'X-T': 'json',
            'X-Timestamp': '1528195376',
            'X-TS': '1528195376',
            'X-U': '34556154',
            'X-App-Key': 'ios-4.0.0',
            'X-OV': '11.4',
            'Connection': 'keep-alive',
            'X-ADV': '1',
            'Content-Type': 'application/x-www-form-urlencoded',
            'X-V': '2',
            'X-IS_JAILBREAK    ': 'NO',
            'X-DV': 'iPhone10,2',
        }

    def request_data(self):
        try:
            data = {
                'max_id': self.max_id,
                'since_id': 0,
                'column_id': 2,
                'count': 20,
                'order': 1,
                'section': 0
            }
            response = requests.post(self.base_url, headers=self.headers, data=data)
            if 200 == response.status_code:
                self.parse_data(response)
        except Exception as e:
            print(e)
            time.sleep(2)
            pass

    def parse_data(self, response):
        dict_json = json.loads(response.text)
        datas = dict_json['c']['list']  # 这里取得数据列表
        #  print(datas)
        for data in datas:
            source_name = data['audio_detail']['source_name']
            title = data['audio_detail']['title']
            icon = data['audio_detail']['icon']
            share_title = data['audio_detail']['share_title']
            mp3_url = data['audio_detail']['mp3_play_url']
            duction = str(data['audio_detail']['duration']) + '秒'
            size = data['audio_detail']['size'] / (1000 * 1000)
            size = '%.2fM' % size

            self.download_mp3(mp3_url)

            self.audio_info.append(source_name)
            self.audio_info.append(title)
            self.audio_info.append(icon)
            self.audio_info.append(share_title)
            self.audio_info.append(mp3_url)
            self.audio_info.append(duction)
            self.audio_info.append(size)

            self.count = self.count + 1
            ExeclUtils.write_execl(self.execl_f, self.sheet_table, self.count, self.audio_info, u'逻辑思维音频.xlsx')
            print('采集了{}条数据'.format(self.count))
            # 清空集合,为再次存放数据做准备
            self.audio_info = []

        time.sleep(3) # 不要请求太快, 小心查水表
        max_id = datas[-1]['publish_time_stamp']
        if self.max_id != max_id:
            self.max_id = max_id
            self.request_data()
        else:
            print('数据抓取完毕!')

        pass

    def download_mp3(self, mp3_url):
        try:
            # 补全文件目录
            mp3_path = u'D:/store/mp3/{}'.format(mp3_url.split('/')[-1])
            print(mp3_path)
            # 判断文件是否存在。
            if not os.path.exists(mp3_path):
                # 注意这里是写入文件,要用二进制格式写入。
                with open(mp3_path, 'wb') as f:
                    f.write(requests.get(mp3_url).content)

        except Exception as e:
            print(e)


if __name__ == '__main__':
    d = dedao()
    d.request_data()

当前这只是比较简单的手机App数据抓取,更复杂的数据抓取又该如何操作呢? 如何抓取朋友圈数据呢?如何抓取微信公众号数据呢? 持续关注!

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2018-06-05,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 Python绿色通道 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 下载与安装Charles
  • 使用Charles
  • 我们一起来分析项目.
  • 完整代码:
相关产品与服务
SSL 证书
腾讯云 SSL 证书(SSL Certificates)为您提供 SSL 证书的申请、管理、部署等服务,为您提供一站式 HTTPS 解决方案。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档