python爬取 “得到” App 电子书信息

接下来运行 mitmdump，命令如下所示：

mitmdump -s script.py

打开 “得到” App 的电子书页面，便可以看到 PC 端控制台有相应输出。接着滑动页面加载更多电子书，控制台新出现的输出内容就是 App 发出的新的加载请求，包含了下一页的电子书内容。控制台输出结果示例如图 所示。

可以看到 URL 为 https://dedao.igetget.com/v3/discover/bookList 的接口，其后面还加了一个 sign 参数。通过 URL 的名称，可以确定这就是获取电子书列表的接口。在 URL 的下方输出的是响应内容，是一个 JSON 格式的字符串，我们将它格式化，如图 所示。

格式化后的内容包含一个 c 字段、一个 list 字段，list 的每个元素都包含价格、标题、描述等内容。第一个返回结果是电子书《情人》，而此时 App 的内容也是这本电子书，描述的内容和价格也是完全匹配的，App 页面如图所示。

这就说明当前接口就是获取电子书信息的接口，我们只需要从这个接口来获取内容就好了。然后解析返回结果，将结果保存到数据库。

4. 数据抓取

接下来我们需要对接口做过滤限制，抓取如上分析的接口，再提取结果中的对应字段。

这里，我们修改脚本如下所示：

import json

from mitmproxy import ctx

def response(flow):

url = ‘https://dedao.igetget.com/v3/discover/bookList’

if flow.request.url.startswith(url):

text = flow.response.text

data = json.loads(text)

books = data.get(‘c’).get(‘list’)

for book in books:

ctx.log.info(str(book))

重新滑动电子书页面，在 PC 端控制台观察输出，如图所示。

控制台输出

现在输出了图书的全部信息，一本图书信息对应一条 JSON 格式的数据。

5. 提取保存

接下来我们需要提取信息，再把信息保存到数据库中。方便起见，我们选择 MongoDB 数据库。

脚本还可以增加提取信息和保存信息的部分，修改代码如下所示：

import json

import pymongo

from mitmproxy import ctx

client = pymongo.MongoClient(‘localhost’)

db = client[‘igetget’]

collection = db[‘books’]

def response(flow):

global collection

url = ‘https://dedao.igetget.com/v3/discover/bookList’

if flow.request.url.startswith(url):

text = flow.response.text

data = json.loads(text)

books = data.get(‘c’).get(‘list’)

for book in books:

data = {‘title’: book.get(‘operating_title’),

‘cover’: book.get(‘cover’),

‘summary’: book.get(‘other_share_summary’),

‘price’: book.get(‘price’)

}

ctx.log.info(str(data))

collection.insert(data)

重新滑动页面，控制台便会输出信息，如图所示。

现在输出的每一条内容都是经过提取之后的内容，包含了电子书的标题、封面、描述、价格信息。

最开始我们声明了 MongoDB 的数据库连接，提取出信息之后调用该对象的 insert() 方法将数据插入到数据库即可。

滑动几页，发现所有图书信息都被保存到 MongoDB 中，如图所示。

目前为止，我们利用一个非常简单的脚本把 “得到” App 的电子书信息保存下来。

代码部分

---

import json

import pymongo

from mitmproxy import ctx

client = pymongo.MongoClient(‘localhost’)

db = client[‘igetget’]

collection = db[‘books’]

def response(flow):

global collection

url = ‘https://dedao.igetget.com/v3/discover/bookList’

if flow.request.url.startswith(url):

text = flow.response.text

data = json.loads(text)

books = data.get(‘c’).get(‘list’)

for book in books:

data = {

‘title’: book.get(‘operating_title’),

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Python开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）

白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Python开发知识点，真正体系化！**

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）
[外链图片转存中…(img-JUMV05qm-1712855471544)]