Fiddler 手机爬虫

Fiddler抓包工具

配置Fiddler

1. 添加证书信任，Tools - Options - HTTPS，勾选 Decrypt Https Traffic 后弹出窗口，一路确认
2. ...from browsers only 设置只抓取浏览器的数据包
3. Tools - Options - Connections，设置监听端口（默认为8888）
4. 关闭Fiddler,再打开Fiddler，配置完成后重启Fiddler（重要）

配置浏览器代理

1、安装Proxy SwitchyOmega插件
2、浏览器右上角：SwitchyOmega->选项->新建情景模式->AID1901(名字)->创建
      输入 ：HTTP://  127.0.0.1  8888
      点击 ：应用选项
3、点击右上角SwitchyOmega可切换代理

Fiddler常用菜单

1、Inspector ：查看数据包详细内容
　　整体分为请求和响应两部分
2、常用菜单
　　Headers ：请求头信息
　　WebForms: POST请求Form表单数据 ：
　　GET请求查询参数:
　　Raw 将整个请求显示为纯文本

手机设置

正常版

1、设置手机

2、设置Fiddler

最后重启Fiddler。

如果遇到问题

在计算机中win+R，输入regedit打开注册表，找到fiddler，右键新建点击OWORD(64位)值Q，

名称：80；类型：REG_DWORD；数据：0x00000000(0)

Fiddler在上面的设置下，加上：菜单栏Rules-->Customize Rules...-->重启Fiddler

移动端app数据抓取

有道翻译手机版破解案例

import requests
from lxml import etree
​
​
word = input('请输入要翻译的单词:')
url = 'http://m.youdao.com/translate'
data = {
    'inputtext': word,
    'type': 'AUTO',
}
​
html = requests.post(url,data=data).text
parse_html = etree.HTML(html)
result = parse_html.xpath('//ul[@id="translateResult"]/li/text()')[0]
​
print(result)

途牛旅游

目标：完成途牛旅游爬取系统，输入出发地、目的地，输入时间，抓取热门景点信息及相关评论

地址

1、地址: http://www.tuniu.com/
2、热门 - 搜索
3、选择: 相关目的地、出发城市、出游时间（出发时间和结束时间）点击确定
4、示例地址如下:
http://s.tuniu.com/search_complex/whole-sh-0-%E7%83%AD%E9%97%A8/list-a{触发时间}_{结束时间}-{出发城市}-{相关目的地}/

项目实现

1、创建项目

scrapy startproject Tuniu
cd Tuniu
scrapy genspider tuniu tuniu.com

2、定义要抓取的数据结构 - items.py

# 一级页面
# 标题 + 链接 + 价格 + 满意度 + 出游人数 + 点评人数 + 推荐景点 + 供应商
title = scrapy.Field()
link = scrapy.Field()
price = scrapy.Field()
satisfaction = scrapy.Field()
travelNum = scrapy.Field()
reviewNum = scrapy.Field()
recommended = scrapy.Field()
supplier = scrapy.Field()
​
# 二级页面
# 优惠券 + 产品评论
coupons = scrapy.Field()
cp_comments = scrapy.Field()

3、爬虫文件数据分析与提取

页面地址分析

http://s.tuniu.com/search_complex/whole-sh-0-热门/list-a20190828_20190930-l200-m3922/
# 分析
list-a{出发时间_结束时间-出发城市-相关目的地}/
# 如何解决？
提取 出发城市及目的地城市的字典,key为城市名称,value为其对应的编码
​
# 提取字典，定义config.py存放

代码实现

# -*- coding: utf-8 -*-
import scrapy
from ..config import *
from ..items import TuniuItem
import json
​
class TuniuSpider(scrapy.Spider):
    name = 'tuniu'
    allowed_domains = ['tuniu.com']
​
    def start_requests(self):
        s_city = input('出发城市:')
        d_city = input('相关目的地:')
        start_time = input('出发时间(20190828):')
        end_time = input('结束时间(例如20190830):')
        s_city = src_citys[s_city]
        d_city = dst_citys[d_city]
​
        url = 'http://s.tuniu.com/search_complex/whole-sh-0-%E7%83%AD%E9%97%A8/list-a{}_{}-{}-{}'.format(start_time,end_time,s_city, d_city)
        yield scrapy.Request(url, callback=self.parse)
​
    def parse(self, response):
        # 提取所有景点的li节点信息列表
        items = response.xpath('//ul[@class="thebox clearfix"]/li')
​
        for item in items:
            # 此处是否应该在for循环内创建？
            tuniuItem = TuniuItem()
            # 景点标题 + 链接 + 价格
            tuniuItem['title'] = item.xpath('.//span[@class="main-tit"]/@name').get()
            tuniuItem['link'] = 'http:' + item.xpath('./div/a/@href').get()
            tuniuItem['price'] = int(item.xpath('.//div[@class="tnPrice"]/em/text()').get())
            # 判断是否为新产品
            isnews = item.xpath('.//div[@class="new-pro"]').extract()
            if not len(isnews):
                # 满意度 + 出游人数 + 点评人数
                tuniuItem['satisfaction'] = item.xpath('.//div[@class="comment-satNum"]//i/text()').get()
                tuniuItem['travelNum'] = item.xpath('.//p[@class="person-num"]/i/text()').get()
                tuniuItem['reviewNum'] = item.xpath('.//p[@class="person-comment"]/i/text()').get()
            else:
                tuniuItem['satisfaction'] = '新产品'
                tuniuItem['travelNum'] = '新产品'
                tuniuItem['reviewNum'] = '新产品'
            # 包含景点+供应商
            tuniuItem['recommended'] = item.xpath('.//span[@class="overview-scenery"]/text()').extract()
            tuniuItem['supplier'] = item.xpath('.//span[@class="brand"]/span/text()').extract()
​
            yield scrapy.Request(tuniuItem['link'], callback=self.item_info, meta={'item': tuniuItem})
​
    # 解析二级页面
    def item_info(self, response):
        tuniuItem = response.meta['item']
        # 优惠信息
        coupons = ','.join(response.xpath('//div[@class="detail-favor-coupon-desc"]/@title').extract())
        tuniuItem['coupons'] = coupons
​
        # 想办法获取评论的地址
        # 产品点评 + 酒店点评 + 景点点评
        productId = response.url.split('/')[-1]
        # 产品点评
        cpdp_url = 'http://www.tuniu.com/papi/tour/comment/product?productId={}'.format(productId)
​
        yield scrapy.Request(cpdp_url, callback=self.cpdp_func, meta={'item': tuniuItem})
​
    # 解析产品点评
    def cpdp_func(self, response):
        tuniuItem = response.meta['item']
​
        html = json.loads(response.text)
        comment = {}
        for s in html['data']['list']:
            comment[s['realName']] = s['content']
​
        tuniuItem['cp_comments'] = comment
​
        yield tuniuItem

4、管道文件处理 pipelines.py

　　print(dict(item))

5、设置settings.py

获取出发城市和目的地城市的编号

tools.py

# 出发城市
# 基准xpath表达式
//*//*[@id="niuren_list"]/div[2]/div[1]/div[2]/div[1]/div/div[1]/dl/dd/ul/li[contains(@class,"filter_input")]/a
name : ./text()
code : ./@href  [0].split('/')[-1].split('-')[-1]
​
# 目的地城市
# 基准xpath表达式
//*[@id="niuren_list"]/div[2]/div[1]/div[2]/div[1]/div/div[3]/dl/dd/ul/li[contains(@class,"filter_input")]/a
name ： ./text()
code ： ./@href  [0].split('/')[-1].split('-')[-1]

代码实现

import requests
from lxml import etree
​
url = 'http://s.tuniu.com/search_complex/whole-sh-0-%E7%83%AD%E9%97%A8/'
headers = {'User-Agent':'Mozilla/5.0'}
​
html = requests.get(url,headers=headers).text
parse_html = etree.HTML(html)
# 获取出发地字典
# 基准xpath
li_list = parse_html.xpath('//*[@id="niuren_list"]/div[2]/div[1]/div[2]/div[1]/div/div[3]/dl/dd/ul/li[contains(@class,"filter_input")]/a')
src_citys = {}
dst_citys = {}
for li in li_list:
    city_name_list = li.xpath('./text()')
    city_code_list = li.xpath('./@href')
    if city_name_list and city_code_list:
        city_name = city_name_list[0].strip()
        city_code = city_code_list[0].split('/')[-1].split('-')[-1]
        src_citys[city_name] = city_code
print(src_citys)
​
# 获取目的地字典
li_list = parse_html.xpath('//*[@id="niuren_list"]/div[2]/div[1]/div[2]/div[1]/div/div[1]/dl/dd/ul/li[contains(@class,"filter_input")]/a')
for li in li_list:
    city_name_list = li.xpath('./text()')
    city_code_list = li.xpath('./@href')
    if city_name_list and city_code_list:
        city_name = city_name_list[0].strip()
        city_code = city_code_list[0].split('/')[-1].split('-')[-1]
        dst_citys[city_name] = city_code
print(dst_citys)