如何科学的抢红包:年末致富有新招,写个程序抢红包

为君一笑 提交于 2020-03-05 12:08:23

0×00 背景

今天拜读了来自IDF实验室的《如何科学的抢红包:年末致富有新招,写个程序抢红包》,自己这段时间正在学习爬虫的相关知识,对scrapy框架有所了解,就在此代码基础上加进了scrapy,利用scrapy对文章中的“0×04 爬取红包列表”进行了重写。

0×01 scrapy框架

Scrapy,Python开发的一个快速,高层次的屏幕抓取和web抓取框架,用于抓取web站点并从页面中提取结构化的数据。Scrapy用途广泛,可以用于数据挖掘、监测和自动化测试。

Scrapy吸引人的地方在于它是一个框架,任何人都可以根据需求方便的修改。它也提供了多种类型爬虫的基类,如BaseSpider、sitemap爬虫等,最新版本又提供了web2.0爬虫的支持。

Scrach,是抓取的意思,这个Python的爬虫框架叫Scrapy,大概也是这个意思吧,就叫它:小刮刮吧。

简单的一句话:利用scrapy可以很简单的写出爬虫。

0×02 微博登入、红包可用性检查、指定红包抓取模块

这几个模板我单独放在一个weibo类中,方面后面的scrapy的调用分析

微博登入这块,可以参照http://www.tuicool.com/articles/ziyQFrb 这篇文章,里面很详细的记录了微博登入的全过程

代码copy大牛,并在此基础上进行了简单的修改:使用requests库进行页面的请求。

  1. #-------------------------------------------------------------------------------
    # Name:        weibo
    # Purpose:
    #
    # Author:      adrain
    #
    # Created:     14/02/2015
    # Copyright:   (c) adrain 2015
    # Licence:     <your licence>
    #-------------------------------------------------------------------------------
    #!/usr/bin/env python
    import sys
    import requests
    import re
    import base64
    import urllib
    import rsa
    import binascii
    import os
    import json
    class weibo():
        def __init__(self):
            reload(sys)
            sys.setdefaultencoding('utf-8&')
        def weibo_login(self,nick,pwd):
            print u'---weibo login----'
         
       pre_login_url='http://login.sina.com.cn/sso/prelogin.php?entry=weibo&callback=sinaSSOController.preloginCallBack&su=%s&rsakt=mod&checkpin=1&client=ssologin.js(v1.4.15)&_=1400822309846'
     % nick
            pre_logn_data=requests.get(pre_login_url).text;
            #print pre_logn_data
            servertime=re.findall('"servertime":(.*?),',pre_logn_data)[0]
            pubkey = re.findall('"pubkey":"(.*?)",' , pre_logn_data)[0]
            rsakv = re.findall('"rsakv":"(.*?)",' , pre_logn_data)[0]
            nonce = re.findall('"nonce":"(.*?)",' , pre_logn_data)[0]
            login_url='http://login.sina.com.cn/sso/login.php?client=ssologin.js(v1.4.15)'
            su=base64.b64encode(urllib.quote(self.nick))
            rsaPublickey= int(pubkey,16)
            key = rsa.PublicKey(rsaPublickey,65537)
            message = str(servertime) +'\t' + str(nonce) + '\n' + str(self.pwd)
            sp = binascii.b2a_hex(rsa.encrypt(message,key))
            post_data={
                        'entry': 'weibo',
                        'gateway': '1',
                        'from': '',
                        'savestate': '7',
                        'userticket': '1',
                        'pagereferer':'',
                        'vsnf': '1',
                        'su': su,
                        'servertime': servertime,
                        'nonce': nonce,
                        'pwencode': 'rsa2',
                        'rsakv' : rsakv,
                        'sp': sp,
                        'encoding': 'UTF-8',
                        'url': 
    'http://weibo.com/ajaxlogin.php?framelogin=1&callback=parent.sinaSSOController.feedBackUrlCallBack',
                        'returntype': 'META',
                        'ssosimplelogin': '1',
                        'vsnval': '',
                        'service': 'miniblog',
                        }
            header = {'User-Agent' : 'Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0)'}
            login_data=requests.post(login_url,data=post_data,headers=header).text.decode("utf-8").encode("gbk",'ignore')
            try:
                suss_url=re.findall("location.replace\(\'(.*?)\'\);" , login_data)[0]
                login_cookie=requests.get(suss_url).cookies
                return login_cookie
                print '----login success---'
            except Exception,e:
                print '----login error----'
                exit(0)
        def log(self,type,text):
                fp = open(type+'.txt','a')
                fp.write(text)
                fp.write('\r\n')
                fp.close()
        def check(self,id):
            infoUrl='http://huodong.weibo.com/hongbao/'+str(id)
            html=requests.get(infoUrl).text
            if 'action-type="lottery"' in  html or True: #存在抢红包按钮
                     
       logUrl="http://huodong.weibo.com/aj_hongbao/detailmore?page=1&type=2&_t=0&__rnd=1423744829265&uid="+str(id)
                        param={}
                        header= {
                                'Cache-Control':'no-cache',
                                'Content-Type':'application/x-www-form-urlencoded',
                                'Pragma':'no-cache',
                                'Referer':'http://huodong.weibo.com/hongbao/detail?uid='+str(id),
                                'User-Agent':'Mozilla/5.0 (Windows 
    NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) 
    Chrome/33.0.1750.146 BIDUBrowser/6.x Safari/537.36',
                                'X-Requested-With':'XMLHttpRequest'
                                }
                        res=requests.post(logUrl,data=param,headers=header)
                        pMoney=re.compile(r'<span class="money">(\d+?.+?)\xd4\xaa</span>',re.DOTALL) #h获取所有list_info的正则
                        luckyLog=pMoney.findall(html,re.DOTALL)
                        if len(luckyLog)==0:
                                maxMoney=0
                        else:
                                maxMoney=float(luckyLog[0])
                        if maxMoney<10: #记录中最大红包小于设定值
                                print u'-----红包金额太少,不需要抽取-----'
                                return False
            else:
                        print u"---------手慢一步---------"
                        print  "----------......----------"
                        return False
            return True
        def getLucky(self,id):
            print u'-----抽取红包中:'+str(id)+"-----"
            if self.check(id)==False:
                return
            luck_url='http://huodong.weibo.com/aj_hongbao/getlucky'
            lucky_data={'ouid':id,
                        'share':0,
                        '_t':0}
            header= {
                        'Cache-Control':'no-cache',
                        'Content-Type':'application/x-www-form-urlencoded',
                        'Origin':'http://huodong.weibo.com',
                        'Pragma':'no-cache',
                        'Referer':'http://huodong.weibo.com/hongbao/'+str(id),
                        'User-Agent':'Mozilla/5.0 (Windows NT 6.1; 
    WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/33.0.1750.146 
    BIDUBrowser/6.x Safari/537.36',
                        'X-Requested-With':'XMLHttpRequest'
                        }
            cookie=self.weibo_login('xxxx','xxxx')
            res=requests.post(luck_url,data=lucky_data,cookies=cookie).text
            #print res
            res_json=json.loads(res)
            print res_json
            if res_json["code"]=='901114': #今天红包已经抢完
                print u"---------已达上限---------"
                print  "----------......----------"
                self.log('lucky',str(id)+'---'+str(res_json["code"])+'---'+res_json["data"]["title"])
                exit(0)
            elif res_json["code"]=='100000':#成功
                print u"---------恭喜发财---------"
                print  "----------......----------"
                self.log('success',str(id)+'---'+res)
                exit(0)
            if res_json["data"] and res_json["data"]["title"]:
                print res_json["data"]["title"]
                print  "----------......----------"
                self.log('lucky',str(id)+'---'+str(res_json["code"])+'---'+res_json["data"]["title"])
            else:
                print u"---------请求错误---------"
                print  "----------......----------"
                self.log('lucky',str(id)+'---'+res)

里面对是否抓取红包仅仅使用了判断了红包的可用性,并没有将红包的权值放进检查中

写完后,可简单使用一个id进行测试:

  1. wb=weibo()

  2. wb.getLucky(11111111)

0×03 抓取红包链接

首先是使用scrapy创建一个新的工程:

  1. scrapy startproject weibo_spider

将在目录下创建一个weibo_spider的工程,目录结构为:



由于是刚开始了解scrapy,简单是只是用到了items.py pipelines.py。
items.py说白了就是定义你要抓取那些东西。

比如我们这个就是抓取发红包的url及分析用到的id值,那么该写items文件内容:

  1. # -*- coding: utf-8 -*-
    # Define here the models for your scraped items
    #
    # See documentation in:
    # http://doc.scrapy.org/en/latest/topics/items.html
    import scrapy
    class WeiboSpiderItem(scrapy.Item):
        # define the fields for your item here like:
        # name = scrapy.Field()
        url=scrapy.Field()
        hongbao_id=scrapy.Field()
        pass
  2. 后面就是主要爬虫程序的编写,该核心程序放在spiders文件夹下面,运行的时候会运行spiders目录下面的所有py文件


  3. 首先把代码贴出来,再慢慢说:

  4. from scrapy.contrib.spiders import CrawlSpider, Rule
    from scrapy.selector import Selector
    from weibo_hongbao.items import WeiboHongbaoItem
    from scrapy.contrib.linkextractors.sgml import SgmlLinkExtractor
    import re
    class weibo_spider(CrawlSpider):
            name='weibo_spider'
            allowed_domains=['weibo.com']
            start_urls=['http://huodong.weibo.com/hongbao/']
            rules=(
                            Rule(SgmlLinkExtractor(allow = (r'http://huodong.weibo.com/hongbao/special_.+?'))),
                            Rule(SgmlLinkExtractor(allow = (r'http://huodong.weibo.com/hongbao/top_.+?'))),
                            Rule(SgmlLinkExtractor(allow = (r'http://huodong.weibo.com/hongbao/cate?type=.+?'))),
                            Rule(SgmlLinkExtractor(allow = (r'http://huodong.weibo.com/hongbao/theme'))),
                            
    Rule(SgmlLinkExtractor(allow=(r'http://huodong.weibo.com/hongbao/\d+?')),
     callback="parse_page",follow=True),
                    )
            def parse_page(self,response):
                    #ids=[]
                    sel=Selector(response)
                    item=WeiboHongbaoItem()
                    try:
                            id=re.findall('hongbao/(\d+)',response.url)[0]
                            item['hongbao_id']=id
                            item['url']=response.url
                    except Exception,e:
                            print 'the id is wrong!!'
                    return item

前面的import主要是引入scrapy的一些核心库
allowed_domains 允许爬虫爬的domian域

start_urls 爬虫开始的url地址,这里就设置为让红包飞的主页

rules 是设定爬取的url的,allow是允许爬虫的url类型,还有一些拒绝爬行的可参考官方文档。这里前几个allow 用正则匹配处存在发红包的主题列表和排行榜列表,也就是把大神文章中的themeUrl和topUrl放在这里,这里面其实有个默认的参数是 follow,默认是开启的,也就是会跟进到这个url页面里面继续爬行。最后一个是要分析的,红包地址都是http://huodong.weibo.com/hongbao/ 数字id,这个后面加了个callback,也就是说爬行这个url返回的数据放进callback函数中进行处理

parse_page函数中的参数response,该参数的属性参考官方文档,很简单。 由于我们只是需要id值放在weibo.getLucky中,直接用到了正则去response.url中进行匹配,直接返回item
到此直接可以抓取到发红包的url,红包的id值,但是直接运行是没有结果的,我们需要用到管道文件pipelines.py把结果展示出来

编写pipelines.py:

  1. from scrapy import signals  

  2. import json  
    import codecs
    from weibo_hongbao.weibo import weibo 
    class WeiboHongbaoPipeline(object):
            def __init__(self):
                    self.file=codecs.open('weibo.json', 'w', encoding='utf-8')  
            def process_item(self, item, spider):
                    wb=weibo()
                    wb.getLucky(item['hongbao_id'])
                    line = json.dumps(dict(item), ensure_ascii=False) + "\n"  
                    self.file.write(line)  
                    return item
            def spider_closed(self,spider):
                    self.file.close()

每找到一个item就把id号放进weibo中进行获取红包。

最后把所有找到的红包url及id放进了文件中


标签
易学教程内所有资源均来自网络或用户发布的内容,如有违反法律规定的内容欢迎反馈
该文章没有解决你所遇到的问题?点击提问,说说你的问题,让更多的人一起探讨吧!