站長資訊網(wǎng)芯片大家都不陌生。在當(dāng)今疫情下，顯卡，車機(jī)的芯片產(chǎn)量銳減影響了不少人的購物需求（反正你也買不到），也讓不少人重新認(rèn)識了半導(dǎo)體行業(yè)。閑來無事，我們可以獲取一下T網(wǎng)站的芯片庫存和芯片信息。
一、列表頁請求分析
進(jìn)入頁面，就能看到我們需求的信息了。
但是，在頁面請求完成之前，有一點點不對勁，就是頁面的各個部份請求的速度是不一樣的：
所以啊，需要的數(shù)據(jù)，大概率不是簡單的get請求，所以要進(jìn)一步去看，特意在開發(fā)者模式—Fetch/XHR選項卡中有一個請求，返回值正好是我們需要的內(nèi)容：
程序員必備接口測試調(diào)試工具：立即使用
Apipost = Postman + Swagger + Mock + Jmeter
Api設(shè)計、調(diào)試、文檔、自動化測試工具
后端、前端、測試，同時在線協(xié)作，內(nèi)容實時同步
這一條鏈接返回了所有的數(shù)據(jù)，無需翻頁，下面開始請求鏈接。
二、列表頁請求
根據(jù)上面的鏈接，直接get請求，分析json即可，上代碼：
def getItemList(): url = "https://www.xx.com.cn/selectiontool/paramdata/family/3658/results?lang=cn&output=json" headers = { 'authority': 'www.xx.com.cn', "accept": "text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9", "user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.110 Safari/537.36", } res = getRes(url,headers,'','','GET')//自己寫的請求方法 nodes = res.json()['ParametricResults'] for node in nodes: data = {} data["itemName"] = node["o3"] #名稱 data["inventory"] = node["p3318"] #庫存 data["price"] = node["p1130"]['multipair1']['l'] #價格 data["infoUrl"] = f"https://www.xx.com.cn/product/cn/{node['o1']}"#詳情URL
登錄后復(fù)制
分析上面的json，可知 o3 是商品名，p3318是庫存，p1130里面的內(nèi)容有一個帶單位的價格，o1是型號，可湊出詳情鏈接，下面是請求結(jié)果：
三、詳情頁分析
終于拿到詳情頁鏈接了，該獲取剩下的內(nèi)容了。
打開開發(fā)者模式，沒有額外的請求，只有一個包含內(nèi)容的get請求。
那直接請求不就得了，上代碼：
def getItemInfo(url): logger.info(f'正在請求詳情url-{url}') headers = { 'authority': 'www.xx.com.cn', 'accept': "text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9", 'user-agent': "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.110 Safari/537.36", 'referer':'https://www.xx.com.cn/product/cn/THS4541-DIE', } res = getRes(url, headers,'', '', 'GET')//自己寫的請求方法 content = res.content.decode('utf-8')
登錄后復(fù)制
但是發(fā)現(xiàn)，請求的詳情頁，跟開發(fā)者模式的預(yù)覽怎么不太一樣？
我這里的第一反應(yīng)就覺得，完了，這個需要cookie。
繼續(xù)分析，清屏開發(fā)者模式，清除cookie，再次訪問詳情鏈接，在All選項卡中，可以發(fā)現(xiàn)：
本以為該請求一次的詳情頁鏈接請求了兩次，兩次中間還有一個xhr請求。
預(yù)覽第一次請求，可以發(fā)現(xiàn)跟剛才本地請求的內(nèi)容相差無幾：
所以問題出在第二次的請求，進(jìn)一步分析：
查看第二次的get請求，與第一次的請求相差了一堆cookie
簡化cookie，發(fā)現(xiàn)這些cookie最關(guān)鍵的參數(shù)是ak_bmsc這一部分，而這一部分參數(shù)，就來自上一個xhr請求中的響應(yīng)頭set-cookie中：
分析這個xhr請求，請求鏈接
這是個post請求，先從payload參數(shù)下手：
這個bm-verify參數(shù)，是不是有些眼熟？這就是第一次的get請求返回的內(nèi)容嗎，下面還有一個pow參數(shù)：
"pow":j，這個j參數(shù)就在上面，聲明了i和兩個拼接的數(shù)字字符串轉(zhuǎn)成int之后相加之后的結(jié)果：
通過這一系列請求，返回了最終get請求所需要的cookie，講的比較瑣碎，上代碼：
#詳情需要cookie def getVerify(url): infourl = url headers = { 'authority': 'www.xx.com.cn', "accept": "text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9", "user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.110 Safari/537.36", } proxies = getApiIp()//取代理 if proxies: #無cookie訪問詳情頁拿參數(shù)bm-verify,pow res = getRes(infourl,headers,proxies,'','GET') if res: #拿第一次請求的ak_bmsc cookie = re.findall("ak_bmsc=.*?;",res.headers['set-cookie'])[0] #拿bm-verify verifys = re.findall('"bm-verify": "(.*?)"', res.text)[0] #合并字符串轉(zhuǎn)int相加取pow a = re.findall('var i = (d+);',res.text)[0] b = re.findall('Number("(.*?)");',res.text)[0] b = int(b.replace('" + "','')) pow = int(a)+b post_data = { 'bm-verify': verifys, 'pow':pow } #轉(zhuǎn)json post_data = json.dumps(post_data) if verifys: logger.info('第一次參數(shù)獲取完畢') return post_data,proxies,cookie else: print('verify獲取異常') else: print('verify請求出錯') # 第二次帶參數(shù)訪問驗證鏈接 def getCookie(url): post_headers = { "authority": "www.xx.com.cn", "user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/97.0.4692.71 Safari/537.36", "accept": "*/*", "content-type": "application/json", "origin": "https://www.xx.com.cn", "referer":url, } post_data,proxies,c_cookie = getVerify(url) post_headers['Cookie'] = c_cookie posturl = "https://www.xx.com.cn/_sec/verify?provider=interstitial" check = getRes(posturl,post_headers,proxies,post_data,'POST') if check: #從請求頭拿到ak_bmsc cookie cookie = check.headers['Set-Cookie'] cookie = re.findall("ak_bmsc=.*?;",cookie)[0] if cookie: logger.info('Cookie獲取完畢') return cookie,proxies else: print('cookie獲取異常') else: print('cookie請求出錯')
登錄后復(fù)制
簡單的概括一下詳情頁的請求流程：
第一次請求，取得所需參數(shù)bm-verify，pow，cookie，提供給下一次的post請求（getVerify方法）
第二次請求，根據(jù)已知條件進(jìn)行post請求，并獲取響應(yīng)頭cookie的ak_bmsc（getCookie）
切記，在整個獲取cookie的三次請求過程中，第二、三兩次請求都需要伴隨著上一次請求的ak_bmsc作為cookie傳遞，第二次請求需要第一次的ak_bmsc，最終請求需要第二次的ak_bmsc。
四、詳情頁請求
def getItemInfo(url): logger.info(f'正在請求詳情url-{url}') cookie,proxies = getCookie(url) headers = { 'authority': 'www.xx.com.cn', 'accept': "text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9", 'user-agent': "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.110 Safari/537.36", 'referer':'https://www.xx.com.cn/product/cn/THS4541-DIE', 'cookie':cookie } res = getRes(url, headers,proxies, '', 'GET') content = res.content.decode('utf-8') print(content) exit() sel = Selector(text=content) Parameters = sel.xpath('//ti-tab-panel[@tab-title="參數(shù)"]/ti-view-more/div').extract_first() Features = sel.xpath('//ti-tab-panel[@tab-title="特性"]/ti-view-more/div').extract_first() Description = sel.xpath('//ti-tab-panel[@tab-title="描述"]/ti-view-more').extract_first() if Parameters and Features and Description: return Parameters,Features,Description
登錄后復(fù)制
通過上一步cookie的獲取，帶著cookie再次訪問詳情鏈接，就可以順利的獲取內(nèi)容并可以使用xpath進(jìn)行解析，獲取需要的內(nèi)容。
五、代理設(shè)置
T網(wǎng)站詳情頁帶cookie請求有100多次，如果用本地代理一直去請求，會有IP封鎖的可能性出現(xiàn)，導(dǎo)致無法正常獲取。所以，需要高效請求的話，優(yōu)質(zhì)穩(wěn)定的代理IP必不可少，我這里使用的ipidea代理請求的T網(wǎng)站，數(shù)據(jù)很快就訪問出來了。
地址：http://www.ipidea.net/?utm-source=csdn&utm-keyword=?wb ，首次可以白嫖流量哦。本次使用的api獲取，代碼如下：
# api獲取ip def getApiIp(): # 獲取且僅獲取一個ip api_url = 'http://tiqu.ipidea.io:81/abroad?num=1&type=2&lb=1&sb=0&flow=1?ions=&port=1' res = requests.get(api_url, timeout=5) try: if res.status_code == 200: api_data = res.json()['data'][0] proxies = { 'http': 'http://{}:{}'.format(api_data['ip'], api_data['port']), 'https': 'http://{}:{}'.format(api_data['ip'], api_data['port']), } print(proxies) return proxies else: print('獲取失敗') except: print('獲取失敗')
登錄后復(fù)制
六、代碼匯總
# coding=utf-8 import requests from scrapy import Selector import re import json from loguru import logger # api獲取ip def getApiIp(): # 獲取且僅獲取一個ip api_url = '獲取代理地址' res = requests.get(api_url, timeout=5) try: if res.status_code == 200: api_data = res.json()['data'][0] proxies = { 'http': 'http://{}:{}'.format(api_data['ip'], api_data['port']), 'https': 'http://{}:{}'.format(api_data['ip'], api_data['port']), } print(proxies) return proxies else: print('獲取失敗') except: print('獲取失敗') def getItemList(): url = "https://www.xx.com.cn/selectiontool/paramdata/family/3658/results?lang=cn&output=json" headers = { 'authority': 'www.xx.com.cn', "accept": "text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9", "user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.110 Safari/537.36", } proxies = getApiIp() if proxies: # res = requests.get(url, headers=headers, proxies=proxies) res = getRes(url,headers,proxies,'','GET') nodes = res.json()['ParametricResults'] for node in nodes: data = {} data["itemName"] = node["o3"] #名稱 data["inventory"] = node["p3318"] #庫存 data["price"] = node["p1130"]['multipair1']['l'] #價格 data["infoUrl"] = f"https://www.ti.com.cn/product/cn/{node['o1']}"#詳情URL Parameters, Features, Description = getItemInfo(data["infoUrl"]) data['Parameters'] = Parameters data['Features'] = Features data['Description'] = Description print(data) #詳情需要cookie def getVerify(url): infourl = url headers = { 'authority': 'www.xx.com.cn', "accept": "text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9", "user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.110 Safari/537.36", } proxies = getApiIp() if proxies: #訪問詳情頁拿參數(shù)bm-verify,pow res = getRes(infourl,headers,proxies,'','GET') if res: #拿第一次請求的ak_bmsc cookie = re.findall("ak_bmsc=.*?;",res.headers['set-cookie'])[0] #拿bm-verify verifys = re.findall('"bm-verify": "(.*?)"', res.text)[0] #字符串轉(zhuǎn)int相加取pow a = re.findall('var i = (d+);',res.text)[0] b = re.findall('Number("(.*?)");',res.text)[0] b = int(b.replace('" + "','')) pow = int(a)+b post_data = { 'bm-verify': verifys, 'pow':pow } #轉(zhuǎn)json post_data = json.dumps(post_data) if verifys: logger.info('第一次參數(shù)獲取完畢') return post_data,proxies,cookie else: print('verify獲取異常') else: print('verify請求出錯') # 第二次帶參數(shù)訪問驗證鏈接 def getCookie(url): post_headers = { "authority": "www.xx.com.cn", "user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/97.0.4692.71 Safari/537.36", "accept": "*/*", "content-type": "application/json", "origin": "https://www.xx.com.cn", "referer":url, } post_data,proxies,c_cookie = getVerify(url) post_headers['Cookie'] = c_cookie posturl = "https://www.xx.com.cn/_sec/verify?provider=interstitial" check = getRes(posturl,post_headers,proxies,post_data,'POST') if check: #從請求頭拿到ak_bmsc cookie cookie = check.headers['Set-Cookie'] cookie = re.findall("ak_bmsc=.*?;",cookie)[0] if cookie: logger.info('Cookie獲取完畢') return cookie,proxies else: print('cookie獲取異常') else: print('cookie請求出錯') def getItemInfo(url): logger.info(f'正在請求詳情url-{url}') cookie,proxies = getCookie(url) headers = { 'authority': 'www.xx.com.cn', 'accept': "text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9", 'user-agent': "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.110 Safari/537.36", 'referer':'https://www.xx.com.cn/product/cn/THS4541-DIE', 'cookie':cookie } res = getRes(url, headers,proxies, '', 'GET') content = res.content.decode('utf-8') sel = Selector(text=content) Parameters = sel.xpath('//ti-tab-panel[@tab-title="參數(shù)"]/ti-view-more/div').extract_first() Features = sel.xpath('//ti-tab-panel[@tab-title="特性"]/ti-view-more/div').extract_first() Description = sel.xpath('//ti-tab-panel[@tab-title="描述"]/ti-view-more').extract_first() if Parameters and Features and Description: return Parameters,Features,Description #專門發(fā)送請求的方法,代理請求三次，三次失敗返回錯誤 def getRes(url,headers,proxies,post_data,method): if proxies: for i in range(3): try: # 傳代理的post請求 if method == 'POST': res = requests.post(url,headers=headers,data=post_data,proxies=proxies) # 傳代理的get請求 else: res = requests.get(url, headers=headers,proxies=proxies) if res: return res except: print(f'第{i}次請求出錯') else: return None else: for i in range(3): proxies = getApiIp() try: # 請求代理的post請求 if method == 'POST': res = requests.post(url, headers=headers, data=post_data, proxies=proxies) # 請求代理的get請求 else: res = requests.get(url, headers=headers, proxies=proxies) if res: return res except: print(f"第{i}次請求出錯") else: return None if __name__ == '__main__': getItemList()
登錄后復(fù)制
通過上述步驟，已經(jīng)能獲取所需內(nèi)容。
總結(jié)
整個T網(wǎng)站的數(shù)據(jù)獲取，難點就在詳情頁的cookie，（其實也不是很難，只不過cookie太長比較費(fèi)眼）理順了整個請求流程，剩下的就是請求的過程。穩(wěn)定高效的IP代理會讓你事半功倍，通過api獲取可變的代理也不易被網(wǎng)站封禁，從而更好地獲取數(shù)據(jù)。簡化cookie的時候使用合適的請求工具會更方便，比如postman，burp。
這次的整個流程到此結(jié)束，講的比較啰嗦，若有錯誤或者更好的方法請大佬指正！
【
