爬取掌阅app免费电子书数据

主要介绍如何抓取app数据及抓包工具的使用，能看到这相信你已经有爬虫基础了

编不下去了，主要是我懒，直接开干吧！

 

一.使用环境和工具

　　windows + python3 + Jsonpath + Charles + MuMu模拟器

二.下载工具

　　Charles下载：https://www.charlesproxy.com/latest-release/download.do

　　MuMu模拟器：http://mumu.163.com/baidu/

三.安装及配置工具

　　Charles

　　　　安装，直接傻瓜式安装就行

　　　　配置：

　　　　　　1.打开Charles->点击Help->SSL Procying->Install Charles Root Certificate,即可进入证书安装界面

　　　　　　　　

　　　　　　2.安装证书->下一步->将所有的证书都放入下列存储(P)->浏览->受信任的根证书颁发机构->确定->下一步->完成

　　　　　　　　

　　　　　　　　

　　　　　　3.可设置端口号，一般为默认（如果系统没有其他软件与8888端口冲突，可忽略该步骤）

　　　　　　　　

　　　　　　4.设置SSL代理（如果不设置，后面请求会是有很多443）

　　　　　　　　　　Proxy -> SSL Proxying Settings -> Add

　　　　　　　　

　　　　　　　　输入端口号443，点击OK

　　　　　　　　

　　　　　　　　出现下面界面就添加成功了

　　　　　　　　

　　

　　　MuMu模拟器

　　　　安装：同样是傻瓜式

　　　　配置：

　　　　　　1.设置代理

　　　　　　　　

　　　　　　2.获取电脑ip  ，  win + r -> 输入cmd -> 回车

　　　　　　　　

　　　　　　3.安装证书

　　　　　　　　在虚拟器打开浏览器，输入cals.pro/ssl自动下载证书，下载完成后，点击打开

　　　　　　　　

　　　　不出意外的话，工具安装和配置到这里就可以编写爬虫代码了

四.测试及找数据api接口

　　1.首先要打开Charles，再打开模拟器，下载掌阅app，打开模拟器，搜索免费

　　　　

　　2.再看Charles软件，会发现左边的选项框中多了，一堆请求地址，随便点击一个，发现这个返回的数据和看到的好像不一样

　　　　

　　3.再点下一个，再看看，哎，这个返回的数据好像挺多的，但是有编码问题看不出来是什么

　　　　

　　4.复制请求地址

　　　　

　　5.将请求地址在浏览器中打开，现在就可以看出来是什么了，会发现这些数据就是我们想要的数据

　　　　

　　　6.在验证一下，打开掌阅往下滑，会发现Charles中多了好多长的差不多的请求地址，这就证明猜测是正确的

　　　　

五.编写爬虫程序

　　这里我用的是requests模块，只是开了个头

　　

import requests
import jsonpath
import json

# 经分析得知
# pageSize:表示的是每页返回多少条数据，currentPage：表示的是页数
url = 'https://ah2.zhangyue.com/zybook3/u/p/api.php?Act=searchMultipleV3&keyword=%E5%85%8D%E8%B4%B9&type=book,category,activity,relatedSearch,author,user&pageSize=500&currentPage=1'
# 请求头
head= {
        "Host": "ah2.zhangyue.com",
        "Connection": "Keep-Alive",
        "Accept-Encoding": "gzip",
        "User-Agent": "okhttp/3.9.0"
}
# 携带请求头请求数据
response = requests.get(url,headers = head)
# 将json数据转为字典
content = json.loads(response.text)
# 使用jsonpath查找元素
res = jsonpath.jsonpath(content,'$.body.book.datas')
# 遍历取出每本书的详细信息
for book in res[0]:
    print(book)

 

返回数据结果：

　　

到这里，就可以爬取大部分app数据了

　　如有问题，欢迎交流