抓取得到App音频数据

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()
展开阅读全文

没有更多推荐了,返回首页