javascript提取联通个人信息和通话记录的代码

由于一些巨大的困难，一些后端爬虫改成了前端爬虫。

前端爬虫是只有js语言，后端爬虫有python java nodejs php这些语言。

前端爬虫有window.document对象，在浏览器端的爬虫即使是二次发送ajax，也不需要学后端爬虫来构造一堆请求头，特别是困难的cookie token。最为重要的还是天然的突破了ip限制。

提取个人信息，直接使用页面渲染后的结构：

/**
 * Created by xy49476 on 2018/1/9.
 */
 
/*
* http://iservice.10010.com/e4/index_server.html
* 提取个人信息
* */
 
function  extractPersonalInfomation() {
    var loginName = document.querySelector('#personalInfo td').innerText;
    var  userLevel = document.querySelector('#font').innerText;
    var userName = document.querySelector('div.data_basic_c.ly_gr_zl > dl:nth-child(1) > dd').innerText;
    var sex = document.querySelector('div.data_basic_c.ly_gr_zl > dl:nth-child(3) > dd').innerText;
    var idNo = document.querySelector('div.data_basic_c.ly_gr_zl > dl:nth-child(5) > dd').innerText;
    var contactPhone = document.querySelector('div.data_basic_c.ly_gr_zl > dl:nth-child(9) > dd').innerText;
    var contactAddress =  document.querySelector('div.data_basic_c.ly_gr_zl > dl:nth-child(11) > dd').innerText;
 
    var package = document.querySelector('#packageInfocontext > div.add_main > div > dl:nth-child(1) > dd').innerText;
    var chargeType = document.querySelector('#packageInfocontext > div.add_main > div > dl:nth-child(3) > dd').innerText;
 
    var currentStatus = document.querySelector('#numberContext > div.data_basic_c2 > div.data_basic_c2_l > dl:nth-child(1) > dd').innerText;
    var netInDate = document.querySelector('#numberContext > div.data_basic_c2 > div.data_basic_c2_r > dl:nth-child(1) > dd').innerText;
    var billingAccount = document.querySelector('#numberContext > div.data_basic_c2 > div.data_basic_c2_l > dl:nth-child(3) > dd').innerText;
    var brand = document.querySelector('#numberContext > div.data_basic_c2 > div.data_basic_c2_r > dl:nth-child(2) > dd').innerText;
    var communicatelevel = document.querySelector('#numberContext > div.data_basic_c2 > div.data_basic_c2_l > dl:nth-child(4) > dd').innerText;
    var pukCode = document.querySelector('#numberContext > div.data_basic_c2 > div.data_basic_c2_r > dl:nth-child(3) > dd').innerText;
 
    var contractName = document.querySelector('#contractPeriod > div.ly_gr_l2 > dl:nth-child(1) > dd').innerText;
    var effectiveTime =  document.querySelector('#contractPeriod > div.ly_gr_l2 > dl:nth-child(3) > dd').innerText;
    var uneffectiveTime =  document.querySelector('#contractPeriod > div.ly_gr_l2 > dl:nth-child(5) > dd').innerText;
 
    personalObj = {loginName:loginName,
        userLevel:userLevel,
        userName:userName,
        sex:sex,
        idNo:idNo,
        contactPhone:contactPhone,
        contactAddress:contactAddress,
 
        package:package,
        chargeType:chargeType,
 
        currentStatus:currentStatus,
        netInDate:netInDate,
        billingAccount:billingAccount,
        brand:brand,
        communicatelevel:communicatelevel,
        pukCode:pukCode,
 
        contractName:contractName,
        effectiveTime:effectiveTime,
        uneffectiveTime:uneffectiveTime
    };
 
    return '{"personalInfo":' + JSON.stringify(personalObj) + '}';
 
}
 
//extractPersonalInfomation();

提取通话记录，这里和上面不同，发送了ajax来获取json，按月份按分页获取通话记录：

/**
 * Created by xy49476 on 2018/1/10.
 */
/*http://iservice.10010.com/e4/query/bill/call_dan-iframe.html?menuCode=000100030001
提取通话记录
*
* */
 
function  extractCallRecordsOuter() {
 
    function getNear6Montgh(){
        var near6MonthArray = [];
 
        for (var i=0;i<6;i++){
            var d = new Date();
            d.setMonth(d.getMonth() - i);
            var yy1 = d.getFullYear();
            var mm1 = d.getMonth() + 1;//因为getMonth（）返回值是 0（一月） 到 11（十二月） 之间的一个整数。所以要给其加1
            var dd1 = d.getDate();
            // if (mm1 < 10) {
            //     mm1 = '0' + mm1;
            // }
            if (dd1 < 10) {
                dd1 = '0' + dd1;
            }
            console.info(yy1 + '-' + mm1 + '-' + dd1);
            near6MonthArray.push([yy1,mm1]);
        }
        return near6MonthArray;
    }
 
    //按照年月，获取一个月有多少天 mGetDate(2004,2)
    function mGetDate(year, month){
        var d = new Date(year, month, 0);
        return d.getDate();
    }
 
    var callRecordsArray = [];
    function  extractCallRecords() {
 
        //历史账单
        var near6MonthArray = getNear6Montgh();
        for (i of near6MonthArray) {
            var dates = mGetDate(i[0], i[1]);
            var mm1 = i[1];
            if (mm1 < 10) {
                mm1 = '0' + mm1;
            }
            var yearMonth = i[0] + '' + mm1;
 
            var callRecordsObj = {};
            callRecordsObj.pagelist = [];
            callRecordsObj.yearMonth = yearMonth;
 
            function extractCallRecordByPage(page) {
                var page = page || 1;
 
                var url = 'http://iservice.10010.com/e3/static/query/callDetail?_=1515561593328&accessURL=http://iservice.10010.com/e4/query/bill/call_dan-iframe.html?menuCode=000100030001&menuid=000100030001';
                var data = {
                    pageNo: page,
                    pageSize: 200,
                    beginDate: yearMonth + '01',
                    endDate: yearMonth + dates
                };
                console.debug(data);
                var htmlObj = $.ajax({
                    type: 'POST',
                    url: url,
                    data: data,
                    async: false    //一定要设置这个，否则异步的还没得到返回结果就执行到下面去了，代码 一定会报错
                });
                var htmlStr = htmlObj.responseText;
                console.debug('htmlStr:',htmlStr);
                var callRecordsRawObj = JSON.parse(htmlStr);
                callRecordsObj.pagelist = callRecordsObj.pagelist.concat(callRecordsRawObj.pagelist);
                var totalpage = callRecordsRawObj.totalpage;
                if (page < totalpage) {
                    extractCallRecordByPage(page + 1);    //回调自己
                }
            }
 
            extractCallRecordByPage();
            callRecordsArray.push(callRecordsObj);
        }
        callRecordsInfoObj = {
            callRecordsInfo:callRecordsArray
        };
        return JSON.stringify(callRecordsInfoObj);
 
    }
 
    return extractCallRecords();
}
//extractCallRecordsOuter();

　　

为了一个脚本一个函数，在最外层套了一个函数。

有没有很像js闭包，但这不是闭包。

最后三行是

    return extractCallRecords();
}
extractCallRecordsOuter();
 
如果改成下面，

 return extractCallRecords;
}
extractCallRecordsOuter()();

这样就是js之闭包了。

前端爬虫时候，使用jqury选择器或者document的queryselector方法就能使用css3选择器的语法了。比getElementByxx能更精确的提取某些元素。

使用jquery时候，如果被爬页面没有引入jquery库，需要先在document注入jquery地址或者完整的执行一遍jquery代码。