Scrapy——6 APP抓包—scrapy框架下载图片

2023-08-22 14:11:58

Scrapy——6

怎样进行APP抓包
scrapy框架抓取APP豆果美食数据
怎样用scrapy框架下载图片
怎样用scrapy框架去下载斗鱼APP的图片？
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