以【某程旅行】为例，讲述小程序爬虫技术

大家好，我是辰哥~~~

前提：在学习本文采集小程序数据之前，相信大家都掌握了抓取数据包的技能，比如使用Mitmproxy进行抓取数据包。如果看到这里的你还没有掌握的话，可以参与辰哥之前的写的一篇关于mitmproxy使用的文章(实战|手把手教你如何使用抓包神器MitmProxy)。

本文目标：利用Mitmproxy抓取某程小程序景点数据，并实现翻页（下一页）循环爬取。

思路： 1、利用Mitmproxy抓取数据包，并进行分析 2、利用分析的结果，编写Python代码进行提取数据，并进行实现下一页采集

01

mitmproxy抓取数据包

1.启动mitmproxy

先配置好手机的代理IP和启动mitmproxy

在终端中启动mitmweb

mitmweb

在浏览器中查看数据包（输入mitmweb会自动在浏览器中打开网页，如果没有打开的则手动输入）

http://127.0.0.1:8081/#/flows

2.访问小程序

打开同程旅行小程序，点击全部景点

可以看到页面中出现了景点列表：

3.浏览器中查看数据包

上图中红框部分是景点列表的api接口，点击response查看返回的数据。

02

Python解析数据包

1.分析接口

经过分析，发现该接口是没有反爬(签名验证)，因此通过这个接口可以直接爬取多页数据，比如修改接口链接中的参数

参数： page页数 PageSize条数 CityId城市 keyword关键词 ...

因此通过修改page就可以获取全部景点数据。

得知接口链接，在python中通过requests请求去获取数据，这种方式我们都会。

import requests
### 获取第1页~第10页数据
for p in range(1,11):
    # 页数
    url = "https://wx.17u.cn/scenery/json/scenerylist.html?PosCityId=78&CityId=53&page="+str(p)+"&sorttype=0&PageSize=20&IsSurrounding=1&isSmallPro=1&isTcSmallPro=1&isEncode=0&Lon=113.87234497070312&Lat=22.90543556213379&issearchbytimenow=0&IsNeedCount=1&keyword=&IsPoi=0&status=2&CityArea=5&Grades=&IsSearchKeyWordScenery=1"
    response = requests.get(url).json()
    print(response)

今天我们用另一种方式去获取数据，这种方式可以用于绕过接口签名验证的反爬，比如sign或者x-sign等签名加密参数。

2.直接解析数据包

相信看了辰哥的这篇文章(实战|手把手教你如何使用抓包神器MitmProxy)的读者都知道，mitmproxy抓取的数据包，除了在浏览器可以查看外，还可以编写的python代码一边抓取数据包，一边进行解析。

先看一下python可以获取数据包的那些数据（下图仅写成部分常用的）

在终端中调用上面的py代码，结果如下：

下面开始真正编写python代码，将景点数据直接保存在txt中。

在chenge.py文件中，修改response函数部分（如上图）

启动程序：

mitmdump.exe -s chenge.py

api接口返回的数据前面包含了： "state":"100","error":"查询成功"

因此判断响应的数据中包含这个内容说明是含有景点列表的

景点列表数据在json数据的sceneryinfo字段中。我们将字段(name、address、grade)的内容取出来保存到txt文件中，并命名为景点.txt

在小程序中向下滑动，加载更多数据，同时mitmproxy继续抓包，对应的python程序将继续保存数据到txt中。

ps:这里仅讲述技术的使用，就没有去将数据完整爬取下来，并且为了演示数据可以保存，也暂时保存到txt，读者可以根据需要保存到数据库或者excel。

03

小结

本文目标：利用Mitmproxy抓取某程旅行小程序景点数据，并实现翻页（下一页）循环爬取。并且还讲述了如何通过mitmproxy绕过接口签名验证的反爬，比如sign或者x-sign等签名加密参数(虽然本文没有加密参数，但是技术大家可以先掌握，在遇到的时可以使用)