Python爬虫:抓取手机APP的数据
博客专区 > j_hao104 的博客 > 博客详情
Python爬虫:抓取手机APP的数据
j_hao104 发表于2年前
Python爬虫:抓取手机APP的数据
  • 发表于 2年前
  • 阅读 16616
  • 收藏 321
  • 点赞 24
  • 评论 21

腾讯云 十分钟定制你的第一个小程序>>>   

摘要: 大多数APP里面返回的是json格式数据,或者一堆加密过的数据 。这里以超级课程表APP为例,抓取超级课程表里用户发的话题。

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:

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

 

#!/usr/local/bin/python2.7
# -*- coding: utf8 -*-
"""
  超级课程表话题抓取
"""
import urllib2
from cookielib import CookieJar
import json


''' 读Json数据 '''
def fetch_data(json_data):
    data = json_data['data']
    timestampLong = data['timestampLong']
    messageBO = data['messageBOs']
    topicList = []
    for each in messageBO:
        topicDict = {}
        if each.get('content', False):
            topicDict['content'] = each['content']
            topicDict['schoolName'] = each['schoolName']
            topicDict['messageId'] = each['messageId']
            topicDict['gender'] = each['studentBO']['gender']
            topicDict['time'] = each['issueTime']
            print each['schoolName'],each['content']
            topicList.append(topicDict)
    return timestampLong, topicList


''' 加载更多 '''
def load(timestamp, headers, url):
    headers['Content-Length'] = '159'
    loadData = 'timestamp=%s&phoneBrand=Meizu&platform=1&genderType=-1&topicId=19&phoneVersion=16&selectType=3&channel=MXMarket&phoneModel=M040&versionNumber=7.2.1&' % timestamp
    req = urllib2.Request(url, loadData, headers)
    loadResult = opener.open(req).read()
    loginStatus = json.loads(loadResult).get('status', False)
    if loginStatus == 1:
        print 'load successful!'
        timestamp, topicList = fetch_data(json.loads(loadResult))
        load(timestamp, headers, url)
    else:
        print 'load fail'
        print loadResult
        return False

loginUrl = 'http://120.55.151.61/V2/StudentSkip/loginCheckV4.action'
topicUrl = 'http://120.55.151.61/V2/Treehole/Message/getMessageByTopicIdV3.action'
headers = {
    'Content-Type': 'application/x-www-form-urlencoded; charset=UTF-8',
    'User-Agent': 'Dalvik/1.6.0 (Linux; U; Android 4.1.1; M040 Build/JRO03H)',
    'Host': '120.55.151.61',
    'Connection': 'Keep-Alive',
    'Accept-Encoding': 'gzip',
    'Content-Length': '207',
    }

''' ---登录部分--- '''
loginData = 'phoneBrand=Meizu&platform=1&deviceCode=868033014919494&account=FCF030E1F2F6341C1C93BE5BBC422A3D&phoneVersion=16&password=A55B48BB75C79200379D82A18C5F47D6&channel=MXMarket&phoneModel=M040&versionNumber=7.2.1&'
cookieJar = CookieJar()
opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cookieJar))
req = urllib2.Request(loginUrl, loginData, headers)
loginResult = opener.open(req).read()
loginStatus = json.loads(loginResult).get('data', False)
if loginResult:
    print 'login successful!'
else:
    print 'login fail'
    print loginResult

''' ---获取话题--- '''
topicData = 'timestamp=0&phoneBrand=Meizu&platform=1&genderType=-1&topicId=19&phoneVersion=16&selectType=3&channel=MXMarket&phoneModel=M040&versionNumber=7.2.1&'
headers['Content-Length'] = '147'
topicRequest = urllib2.Request(topicUrl, topicData, headers)
topicHtml = opener.open(topicRequest).read()
topicJson = json.loads(topicHtml)
topicStatus = topicJson.get('status', False)
print topicJson
if topicStatus == 1:
    print 'fetch topic success!'
    timestamp, topicList = fetch_data(topicJson)
    load(timestamp, headers, topicUrl)

结果:

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

共有 人打赏支持
粉丝 156
博文 60
码字总数 89273
作品 2
评论 (21)
τβ
ExtremeTalk
得先知道地址才行
j_hao104

引用来自“ExtremeTalk”的评论

得先知道地址才行
所以得先抓包,我贴了抓包方法的呀
Coffee_M
学习了
山雨欲来
79
每天多一点
题目应该是抓取手机app的传输数据。
局限性:做例子的这个应用有点太弱了,商业版本居然能够抓出来数据,有点难以想象。
一般情况下,移动端都有用加密传输,或者非常用协议(spdy协议或者是自己封装的协议),数据加签等手段,使得第三方无法轻易拿到数据。
j_hao104

引用来自“每天多一点”的评论

题目应该是抓取手机app的传输数据。
局限性:做例子的这个应用有点太弱了,商业版本居然能够抓出来数据,有点难以想象。
一般情况下,移动端都有用加密传输,或者非常用协议(spdy协议或者是自己封装的协议),数据加签等手段,使得第三方无法轻易拿到数据。
狂龙治中
可以可以
j_hao104

引用来自“每天多一点”的评论

题目应该是抓取手机app的传输数据。
局限性:做例子的这个应用有点太弱了,商业版本居然能够抓出来数据,有点难以想象。
一般情况下,移动端都有用加密传输,或者非常用协议(spdy协议或者是自己封装的协议),数据加签等手段,使得第三方无法轻易拿到数据。
改啦
loongwind
不错 学习了
ExtremeTalk

引用来自“ExtremeTalk”的评论

得先知道地址才行

引用来自“j_hao104”的评论

所以得先抓包,我贴了抓包方法的呀
要是能在Android里直接执行抓地址,解密,抓数据就最好了,加油!
Poko
Mark
smarthjx636
3年前,就会了
打雷要下雨LEO
这个app有什么难度,现在大部分公司https了
ytesgdsga
明天看
richard008
想起了微信上那个可以清理僵尸朋友的python代码。
askjc
[免费福利1枚]领极客学院30天的VIP,平时30元,现在免费。可以看全站7500节视频课程,想学编程的小伙伴速来。时间有限:http://e.jikexueyuan.com/invite/index.html?ZnJvbV9jb2RlPUVIRjdXUCZ1bmFtZT1qaWtlXzE3NjY0NzYmY2hhbm5lbD1pbnZpdGVfc2hhcmVidXR0b25fZGlyZWN0MDQ=
分流砥柱

引用来自“ExtremeTalk”的评论

引用来自“ExtremeTalk”的评论

得先知道地址才行

引用来自“j_hao104”的评论

所以得先抓包,我贴了抓包方法的呀
要是能在Android里直接执行抓地址,解密,抓数据就最好了,加油!

地址有只要有app就能搞到,无论是抓包,还是反编译都不难吧。
改着名儿玩
实质上只是python抓取数据
灰太狼sama
楼主,我按照你代码操作后,返回的JSON数据怎么转化成中文我刚入门?
×
j_hao104
如果觉得我的文章对您有用,请随意打赏。您的支持将鼓励我继续创作!
* 金额(元)
¥1 ¥5 ¥10 ¥20 其他金额
打赏人
留言
* 支付类型
微信扫码支付
打赏金额:
已支付成功
打赏金额: