Scrapy——6

  1. 怎样进行APP抓包
  2. scrapy框架抓取APP豆果美食数据
  3. 怎样用scrapy框架下载图片
  4. 怎样用scrapy框架去下载斗鱼APP的图片?
  5. Scrapy创建下载图片常见那些问题

怎样进行APP抓包? 1.连接网络

  • 安装fiddler,并且进行配置:

Tools >> options >> connections >> 勾选 allow remote computers to connect

  • 查看本机ip地址:    
      在cmd窗口中,输入 ipconfig  ,查看  以太网 ,可以看到
    IPv4 地址...............:192.168.0.104
    这个192.168.*.***(192.168.0.104) 就是你的本机IP
  • 确保手机连接了wifi,并且和电脑是在同一个局域网,
  • 设置代理,在WiFi中长按连接的wifi选择设置代理

  • 在手机中,打开浏览器,访问

http://10.209.143:1234

IP:是第二步查看到的ip地址,替换成你自己的IP
port:8888是你在fiddler中配置的
注意:有些浏览器会显示打不开,更换其他浏览器就可以了

怎样进行APP抓包? 2.访问网络

打开后点击最后的链接(光标处),进行证书安装就可以了

怎样进行APP抓包? 3.安装证书

  • 安装 证书

部分手机可以直接点击 安装
     部分手机需要 设置 >> wifi(或WLAN) >> 高级设置 >> 安装证书 >>
            选中刚刚下载的 证书文件 FiddlerRoot.cer >> 确定
     设置(Settings) >> 更多设置 >> 系统安全 >> 从存储设备安装

为证书命名 , 输入自己喜欢的名字,譬如 fiddler  ,确定 ,  显示 证书安装完成

安装完成后,在 设置(Settings) >> 更多设置 >> 系统安全 >> 信任的凭证 >>
        系统和用户2个tab页 >> 用户 >> 可以查看到 DO_NOT_RUST_FiddlerRoot

PS: 不安装证书,抓取http的数据是没问题的,但是抓取不了https的数据

怎样进行APP抓包? 4.手机抓包

注意:
1、大部分app都可以直接抓包
2、少部分app没办法直接获取,需要 wireshark、反编译、脱壳 等方式去查找加密算法
3、app抓包一般都是抓取到服务器返回的json数据包

 scrapy框架抓取APP豆果美食数据

手机打开豆果美食APP,同时打开fiddler,浏览你需要爬取的数据页面,然后就可以在fiddler中分析抓取的网络请求

因为手机数据一般都是json格式的数据,所以多注意网络请求的格式即可

很快就找到了我们需要的请求,接下来就用scrapy模拟请求解析数据

  • 创建项目

  • Local/Scrapy/douguo/douguo/items.py  设置需要保存的数据(作者、菜名、用时、难度、前言、图片链接)

    import scrapy
    
    class DouguoItem(scrapy.Item):
    # define the fields for your item here like:
    # name = scrapy.Field()
    auth = scrapy.Field()
    cook_name = scrapy.Field()
    cook_time = scrapy.Field()
    cook_difficulty = scrapy.Field()
    cook_story = scrapy.Field()
    img = scrapy.Field()
  • Local/Scrapy/douguo/douguo/settings.py    设置爬虫协议
    # Obey robots.txt rules
    ROBOTSTXT_OBEY = False
  • Local/Scrapy/douguo/douguo/spiders/douguojiachang.py    编写代码

  • 根据网络请求数据的方法,进行post请求,自行分析需要的请求头
  • scrapy获取json数据,用的是response.body,再用json.dumps()转换
    # -*- coding: utf-8 -*-
    import scrapy
    import json from ..items import DouguoItem class DouguoJiachangSpider(scrapy.Spider):
    name = 'douguo_jiachang'
    # allowed_domains = ['baidu.com']
    # start_urls = ['http://api.douguo.net/recipe/v2/search/0/20']
    page = 0 def start_requests(self):
    base_url = 'http://api.douguo.net/recipe/v2/search/{}/20'
    url = base_url.format(self.page)
    data = {
    'client': '',
    '_session': '',
    'keyword': '家常菜',
    'order': '',
    '_vs': ''
    }
    self.page += 20
    yield scrapy.FormRequest(url=url, formdata=data, callback=self.parse) def parse(self, response):
    date = json.loads(response.body.decode()) # 将json格式数据转换成字典
    t = date.get('result').get('list')
    for i in t:
    douguo_item = DouguoItem()
    douguo_item['auth'] = i.get('r').get('an')
    douguo_item['cook_name'] = i.get('r').get('n')
    douguo_item['cook_time'] = i.get('r').get('cook_time')
    douguo_item['cook_difficulty'] = i.get('r').get('cook_difficulty')
    douguo_item['cook_story'] = i.get('r').get('cookstory')
    douguo_item['image_url'] = i.get('r').get('p') yield douguo_item

结果:


怎样用scrapy框架下载图片

在前面的代码基础上继续更加功能

  • Local/Scrapy/douguo/douguo/settings.py    设置图片下载路径,设置下载延迟,激活相应的图片下载管道,调整相应优先级
  • 路径IMAGES_STORE是固定写法,后面的DOWNLOAD_DELAT也是,setting里的都是如此
  • “.”表示当前路径,属于相对路径的写法,也可以写成绝对路径
  • 管道优先级,数字越小,优先级越高
    # Configure item pipelines
    # See https://doc.scrapy.org/en/latest/topics/item-pipeline.html
    ITEM_PIPELINES = {
    'douguo.pipelines.DouguoPipeline': 229,
    'douguo.pipelines.ImagePipline': 300,
    }
    .............
    .............
    .............
    IMAGES_STORE = './images/'
    DOWNLOAD_DELAY = 1
  • Local/Scrapy/douguo/douguo/items.py    设置相应的图片下载链接和下载路径
    import scrapy
    
    class DouguoItem(scrapy.Item):
    # define the fields for your item here like:
    # name = scrapy.Field()
    auth = scrapy.Field()
    cook_name = scrapy.Field()
    cook_time = scrapy.Field()
    cook_difficulty = scrapy.Field()
    cook_story = scrapy.Field()
    image_url = scrapy.Field()
    image_path = scrapy.Field()
  • Local/Scrapy/douguo/douguo/pipelines.py    设置图片下载管
    # -*- coding: utf-8 -*-
    
    # Define your item pipelines here
    #
    # Don't forget to add your pipeline to the ITEM_PIPELINES setting
    # See: https://doc.scrapy.org/en/latest/topics/item-pipeline.html
    import os
    import scrapy
    from scrapy.pipelines.images import ImagesPipeline
    from scrapy.exceptions import DropItem from .settings import IMAGES_STORE class DouguoPipeline(object):
    def process_item(self, item, spider):
    print(item)
    return item class ImagePipline(ImagesPipeline): def get_media_requests(self, item, info):
    '''
    对图片的地址生成Request请求进行下载
    '''
    yield scrapy.Request(url=item['image_url']) def item_completed(self, results, item, info):
    '''
    当图片下载完成之后,调用方法
    '''
    format = '.' + item['image_url'].split('.')[-1] # 设置图片格式
    image_path = [x['path'] for ok, x in results if ok] # 获取图片的相对路径
    old_path = IMAGES_STORE + image_path[0] # 老的路径
    new_path = IMAGES_STORE + item['cook_name'] + format # 新的路径 路径+菜名+格式
    item['image_path'] = new_path # 把新的路径传给item
    try:
    os.rename(old_path, new_path) # 改变下载的位置
    except:
    raise DropItem('Image Download Failed')
    return item

结果:


怎样用scrapy框架下载图片

ImagePipeline:
 Scrapy用ImagesPipeline类提供一种方便的方式来下载和存储图片。需要PIL库支持。

怎样用scrapy框架去下载斗鱼APP的图片?


常见问题

Scrapy——6 APP抓包—scrapy框架下载图片的更多相关文章

  1. scrapy之手机app抓包爬虫

    手机App抓包爬虫 1. items.py class DouyuspiderItem(scrapy.Item): name = scrapy.Field()# 存储照片的名字 imagesUrls ...

  2. 【破解APP抓包限制】Xposed+JustTrustMe关闭SSL证书验证!

    转载:https://www.jianshu.com/p/310d930dd62f 1 前言 这篇文章主要想解决的问题是,在对安卓手机APP抓包时,出现的HTTPS报文通过MITM代理后证书不被信任的 ...

  3. Fiddler和app抓包

    1:请在“运行”,即下面这个地方输入certmgr.msc并回车,打开证书管理. 打开后,请点击操作--查找证书,如下所示: 然后输入“fiddler”查找所有相关证书,如下所示: 可以看到,我们找到 ...

  4. Fiddler 网页采集抓包利器__手机app抓包

    用curl技术开发了一个微信文章聚合类产品,把抓取到的数据转换成json格式,并在android端调用json数据接口加以显示: 基于weiphp做了一个掌上头条插件,也是用的网页采集技术:和一个创业 ...

  5. APP 抓包-fiddler

    App抓包原理 客户端向服务器发起HTTPS请求 抓包工具拦截客户端的请求,伪装成客户端向服务器进行请求 服务器向客户端(实际上是抓包工具)返回服务器的CA证书 抓包工具拦截服务器的响应,获取服务器证 ...

  6. 抓包工具fiddler下载配置(三):手机设置代理

      前言 本篇仅讲解了手机端如何设置代理,是[抓包工具fiddler下载配置(一):下载/安装&信任证书]的后续文章,未下载安装抓包工具的需先参考文章[抓包工具fiddler下载配置(一):下 ...

  7. fiddler抓包+安卓机 完成手机app抓包的配置 遇到的一些问题

    fiddler抓包+安卓模拟器完成手机app抓包的配置:fiddler抓包+雷电模拟器 完成手机app抓包的配置 其实在安卓真机上弄比在虚拟机上弄更麻烦一点,它们的步骤都差不多一样,就是在安卓真机上弄 ...

  8. Fiddler+雷电模拟器进行APP抓包

    1.下载最新版Fiddler,强烈建议在官网下载:https://www.telerik.com/download/fiddler 2. 正常傻瓜式安装,下一步,下一步,安装完毕后,先不用急于打开软件 ...

  9. APP 抓包(应用层)

    0x01 前言: app抓包是逆向协议的前提,也是一个爬虫工程师的基本要求,最近发现这块知识非常欠缺就抓紧补补了(我太菜了) 然后接下来是通过vpn将流量导出到抓包软件的方式,而不是通过wifi设置代 ...

随机推荐

  1. Kaggle "Microsoft Malware Classification Challenge"——就是沙箱恶意文件识别,有 Opcode n-gram特征 ASM文件图像纹理特征 还有基于图聚类方法

    使用图聚类方法:Malware Classification using Graph Clustering 见 https://github.com/rahulp0491/Malware-Classi ...

  2. return在Java中的两个作用

    Java中return的两个作用:   (1)返回方法指定类型的值(这个值总是确定的),也可以是对象   (2)方法的结束

  3. css link的事件与顺序

    创建: 2017/10/26 link:连接平常的状态 visited:连接被访问过之后 hover:鼠标放到连接上的时候 active:连接被按下的时候

  4. Akka源码分析-Persistence

    在学习akka过程中,我们了解了它的监督机制,会发现actor非常可靠,可以自动的恢复.但akka框架只会简单的创建新的actor,然后调用对应的生命周期函数,如果actor有状态需要回复,我们需要h ...

  5. VUE使用QRcode或者vue-qr生成二维码

    这里介绍两种vue生成二维码的方法 QRcode vue-qr vue-qr比QRcode功能多在可以在中间加logo 下面先介绍QRcode vue里安装qrcodejs的npm包 npm inst ...

  6. assistant: /usr/lib64/libstdc++.so.6: version `GLIBCXX_3.4.15' not found (required by

    [oracle@oracledb button]$ assistantassistant: /usr/lib64/libstdc++.so.6: version `GLIBCXX_3.4.15' no ...

  7. 爬虫—Ajax数据爬取

    一.什么是Ajax 有时候我们使用浏览器查看页面正常显示的数据与使用requests抓取页面得到的数据不一致,这是因为requests获取的是原始的HTML文档,而浏览器中的页面是经过JavaScri ...

  8. BZOJ 3514 LCT+主席树

    思路: //By SiriusRen #include <bits/stdc++.h> using namespace std; ; ],fa[N],minn[N],rev[N],q[N] ...

  9. Spring IOC set注入

    Hobby.java package com.wh.bean; public class Hobby { private Integer id; private String name; public ...

  10. day03_12/13/2016_bean的管理之依赖注入