Python爬虫：抓取手机APP的数据

1、抓取APP数据包

方法详细可以参考这篇博文：http://my.oschina.net/jhao104/blog/605963

得到超级课程表登录的地址：http://120.55.151.61/V2/StudentSkip/loginCheckV4.action

    表单：

表单中包括了用户名和密码，当然都是加密过了的，还有一个设备信息，直接post过去就是。

另外必须加header,一开始我没有加header得到的是登录错误，所以要带上header信息。

2、登录

登录代码：

1import urllib2
2from cookielib import CookieJar
3loginUrl = 'http://120.55.151.61/V2/StudentSkip/loginCheckV4.action'
4headers = {
5    'Content-Type': 'application/x-www-form-urlencoded; charset=UTF-8',
6    'User-Agent': 'Dalvik/1.6.0 (Linux; U; Android 4.1.1; M040 Build/JRO03H)',
7    'Host': '120.55.151.61',
8    'Connection': 'Keep-Alive',
9    'Accept-Encoding': 'gzip',
10    'Content-Length': '207',
11    }
12loginData = 'phoneBrand=Meizu&platform=1&deviceCode=868033014919494&account=FCF030E1F2F6341C1C93BE5BBC422A3D&phoneVersion=16&password=A55B48BB75C79200379D82A18C5F47D6&channel=MXMarket&phoneModel=M040&versionNumber=7.2.1&'
13cookieJar = CookieJar()
14opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cookieJar))
15req = urllib2.Request(loginUrl, loginData, headers)
16loginResult = opener.open(req).read()
17print loginResult

登录成功 会返回一串账号信息的json数据

和抓包时返回数据一样，证明登录成功

3、抓取数据

用同样方法得到话题的url和post参数

做法就和模拟登录网站一样。详见：http://my.oschina.net/jhao104/blog/547311

    下见最终代码，有主页获取和下拉加载更新。可以无限加载话题内容。

1#!/usr/local/bin/python2.7
2# -*- coding: utf8 -*-
3"""
4  超级课程表话题抓取
5"""
6import urllib2
7from cookielib import CookieJar
8import json
9
10
11''' 读Json数据 '''
12def fetch_data(json_data):
13    data = json_data['data']
14    timestampLong = data['timestampLong']
15    messageBO = data['messageBOs']
16    topicList = []
17    for each in messageBO:
18        topicDict = {}
19        if each.get('content', False):
20            topicDict['content'] = each['content']
21            topicDict['schoolName'] = each['schoolName']
22            topicDict['messageId'] = each['messageId']
23            topicDict['gender'] = each['studentBO']['gender']
24            topicDict['time'] = each['issueTime']
25            print each['schoolName'],each['content']
26            topicList.append(topicDict)
27    return timestampLong, topicList
28
29
30''' 加载更多 '''
31def load(timestamp, headers, url):
32    headers['Content-Length'] = '159'
33    loadData = 'timestamp=%s&phoneBrand=Meizu&platform=1&genderType=-1&topicId=19&phoneVersion=16&selectType=3&channel=MXMarket&phoneModel=M040&versionNumber=7.2.1&' % timestamp
34    req = urllib2.Request(url, loadData, headers)
35    loadResult = opener.open(req).read()
36    loginStatus = json.loads(loadResult).get('status', False)
37    if loginStatus == 1:
38        print 'load successful!'
39        timestamp, topicList = fetch_data(json.loads(loadResult))
40        load(timestamp, headers, url)
41    else:
42        print 'load fail'
43        print loadResult
44        return False
45
46loginUrl = 'http://120.55.151.61/V2/StudentSkip/loginCheckV4.action'
47topicUrl = 'http://120.55.151.61/V2/Treehole/Message/getMessageByTopicIdV3.action'
48headers = {
49    'Content-Type': 'application/x-www-form-urlencoded; charset=UTF-8',
50    'User-Agent': 'Dalvik/1.6.0 (Linux; U; Android 4.1.1; M040 Build/JRO03H)',
51    'Host': '120.55.151.61',
52    'Connection': 'Keep-Alive',
53    'Accept-Encoding': 'gzip',
54    'Content-Length': '207',
55    }
56
57''' ---登录部分--- '''
58loginData = 'phoneBrand=Meizu&platform=1&deviceCode=868033014919494&account=FCF030E1F2F6341C1C93BE5BBC422A3D&phoneVersion=16&password=A55B48BB75C79200379D82A18C5F47D6&channel=MXMarket&phoneModel=M040&versionNumber=7.2.1&'
59cookieJar = CookieJar()
60opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cookieJar))
61req = urllib2.Request(loginUrl, loginData, headers)
62loginResult = opener.open(req).read()
63loginStatus = json.loads(loginResult).get('data', False)
64if loginResult:
65    print 'login successful!'
66else:
67    print 'login fail'
68    print loginResult
69
70''' ---获取话题--- '''
71topicData = 'timestamp=0&phoneBrand=Meizu&platform=1&genderType=-1&topicId=19&phoneVersion=16&selectType=3&channel=MXMarket&phoneModel=M040&versionNumber=7.2.1&'
72headers['Content-Length'] = '147'
73topicRequest = urllib2.Request(topicUrl, topicData, headers)
74topicHtml = opener.open(topicRequest).read()
75topicJson = json.loads(topicHtml)
76topicStatus = topicJson.get('status', False)
77print topicJson
78if topicStatus == 1:
79    print 'fetch topic success!'
80    timestamp, topicList = fetch_data(topicJson)
81    load(timestamp, headers, topicUrl)

结果：

转载请注明来源：http://my.oschina.net/jhao104/blog/606922