商务服务
python爬网页统计数据_Python爬取阿拉丁统计信息过程图解
2024-11-06 13:20

背景

python爬网页统计数据_Python爬取阿拉丁统计信息过程图解

目前项目在移动端上,首推使用微信小程序。各项目的小程序访问数据有必要进行采集入库,方便后续做统计分析。虽然阿拉丁后台也提供了趋势分析等功能,但一个个的获取数据做数据分析是很痛苦的事情。通过将数据转换成sql持久化到数据库上,为后面的数据分析和展示提供了基础。

实现思路

阿拉丁产品分开放平台和统计平台两个产品线,目前开放平台有api及配套的文档。统计平台api需要收费,而且贼贵。既然没有现成的api可以获取数据,那么我们尝试一下用python抓取页面上的数据,毕竟python擅长干这种事情。

获取数据流程

1、首先登陆阿拉丁的统计平台,如下图

发现实际需要获取的关键数据主要是“新用户数”、“访问人数”、“访问次数”、“打开次数”、“次均停留时长”、“跳出率”、“累计用户”,而且这里有现成的昨日数据,那么我们一天爬一次这个页面然后格式化昨日数据入库就可以了。

2、打开浏览器F12,发现这个页面的数据主要来自链接如下图

这里隐去敏感信息token,默认是20条数据进行分页显示,那么问题来了,这里的token从哪里获取的呢?猜测这个token应该是用户登录之后生成的,只要有正确的token,就可以获取数据。

在preview标签中可以看到实际返回了50条的数据

展开详细的数据,这里隐去敏感信息app_key和app_name

展开第1条数据,可以看到详细的统计数据信息,现在我们的目标就是如何通过python获取这些信息。

登录过程

下面我们来看一下登录过程。浏览器退出账号之后,重新登录(账密方式登录,打开浏览器F12,发现实际登录请求的url地址如下图

注意content-type和user-agent参数,这里隐去敏感数据用户名、密码和secretkey, 这个secretkey又是哪里冒出来的呢

不管三七二十一,先用postman请求一下这个地址,的确获取到了token。

前面登录url的payload中有code字段,实际用postman请求发现可以忽略。通过F12发现,验证码的url是通过拼接实现的,具体如下图。

如果验证码是强制需要的,我们可以先拼接好url获取图片,通过pytesseract进行识别,当然这里面可能存在准确率问题,不过既然这个目前是非必须的,咋们就忽略吧。

网页上退出登录,发现页面请求了token地址如下

直接用浏览器访问,可以看到secretKey

梳理一下

1、目前我们已经有了登录的url、获取统计数据的url、用户名密码、secretKey等信息,code可忽略

2、登录完可以获取到token信息

3、可以通过token请求获取统计数据的url来获取数据

代码实现

1、login.py

#钉钉告警函数

def dingtalk(content):

dingtalk_url = 'https://oapi.dingtalk.com/robot/send?access_token="请输入钉钉token"'

dingtalk_header ={"Content-Type": "application/json"}

dingtalk_payload = {"msgtype": "text","text": {"content": "%s" %content}}

requests.post(dingtalk_url, data=json.dumps(dingtalk_payload), headers=dingtalk_header)

#获取secretkey函数

def get_secretkey():

token_url = 'http://betaapi.aldwx.com/m/Login_reg/Login/token'

req = requests.post(token_url,headers=header).text

return json.loads(req).get("secretKey")

#获取token函数

def get_token(secretkey):

s = requests.Session()

login_url = 'https://betaapi.aldwx.com/Main/action/Login_reg/Login/login'

payload = {"phone": "用户名",

"password": "密码",

"source": "0",

"plan": "0",

"creative": "0",

"keyword1": "0",

"secretKey": secretkey}

req = s.post(login_url, data=payload, headers=header).text

if json.loads(req).get("code") == 200:

return json.loads(req).get("data").get("token")

dingtalk("获取阿拉丁登录token失败,请检查!")

return None

2、aldwx.py

from common.mysql_conn import DBAPI

from conf import settings

from login import get_token,get_secretkey,dingtalk

#定义写数据库函数

def exec_sql(sql):

my_conn = DBAPI(settings.Params['host'], settings.Params['user'], settings.Params['password'], int(settings.Params['port']), settings.Params['database'], settings.Params['charset'])

my_conn.conn_dml(sql)

#获取统计数据拼接成列表

def get_data(token):

header = {"Content-Type": "application/x-www-form-urlencoded",

url = 'http://betaapi.aldwx.com/upgrade/api/applet_homepage'

payload = {'currentpage': '1', 'total': '80', 'token': token, 'appkey': '', 'is_demo': '0'}

try:

req = requests.post(url, data=payload, headers=header).text

data = (json.loads(req).get("data"))

sql_value = []

for i in data:

app_name = i.get('app_name')

yesterday_data = i.get('countList')[1]

create_time = yesterday_data.get('day')

new_comer_count = yesterday_data.get('new_comer_count')

visitor_count = yesterday_data.get('visitor_count')

open_count = yesterday_data.get('open_count')

total_page_count = yesterday_data.get('total_page_count')

secondary_avg_stay_time = yesterday_data.get('secondary_avg_stay_time')

bounce_rate = yesterday_data.get('bounce_rate')

total_visitor_count = yesterday_data.get('total_visitor_count')

value = "("%s","%s","%s","%s","%s","%s","%s","%s","%s")" % (app_name, create_time, new_comer_count, visitor_count, open_count, total_page_count,secondary_avg_stay_time,bounce_rate, total_visitor_count)

sql_value.append(value)

if sql_value != 'None':

return sql_value

dingtalk("获取微信小程序统计信息失败,token: %s" %token)

except Exception as e:

dingtalk("获取微信小程序%s统计信息失败,%s" %e)

if __name__ == '__main__':

secretkey=get_secretkey()

token = get_token(secretkey)

sql = """INSERT INTO operations_db.aldwx_stat (APP_NAME,CREATE_TIME,NEW_COMER_COUNT,VISITOR_COUNT,OPEN_COUNT,TOTAL_PAGE_COUNT,SECONDARY_AVG_STAY_TIME,BOUNCE_RATE,TOTAL_VISITOR_COUNT) VALUES"""

value = get_data(token)

#拼接并转换sql

value = str(value).strip("'[").strip("]'").strip().replace("', '",",")

sql = "%s%s;" % (sql, value)

print(sql)

exec_sql(sql)

3、入库效果

    以上就是本篇文章【python爬网页统计数据_Python爬取阿拉丁统计信息过程图解】的全部内容了,欢迎阅览 ! 文章地址:http://fabua.ksxb.net/news/16.html 
     文章      相关文章      动态      同类文章      热门文章      栏目首页      网站地图      返回首页 海之东岸资讯移动站 http://fabua.ksxb.net/mobile/ , 查看更多   
最新文章
推动经济高质量发展 大连围绕5方面提出36条具体政策举措
观点网讯:3月27日消息,大连市人民政府于日前印发《大连市推动经济高质量发展的若干政策措施》(简称《若干政策措施》)的通知
美股前瞻 | 三大股指期货涨跌不一,特朗普或几周内征收铜关税
1. 3月26日(周三)美股盘前,美股三大股指期货涨跌不一。截至发稿,道指期货涨0.13%,标普500指数期货涨0.07%,纳指期货跌0.01%。
立航科技股票连续三个交易日异常波动,累计跌幅超20%
雷达财经 文|冯秀语 编|李亦辉3月25日,(证券代码:603261)发布公告称,其股票在2025年3月21日至2025年3月25日连续三个交易日
亚朵2024年营收同比增长55.3%至72.48亿,全年新开业471家酒店
“期末会员人数已超过1.8亿人。”作者:苏打编辑:tuya公司情报专家《财经涂鸦》获悉,3月25日,海底捞国际控股有限公司(6862.H
《棋士》13个重要细节,前后呼应太巧妙
王宝强和陈明昊主演的《棋士》开播上线三集,这部剧王宝强不但主演还投资,和韩三平共同担任监制,而且又是收录在腾讯X剧场,象
小游戏猛洗短剧用户,一个月素材6000组
小游戏与短剧,是近年来少有的还在高速增长的赛道。同为短视频时代崛起的产物,二者抢夺的都是用户的碎片化时间,在过去被当作是
博鳌观察|郭树清:应尽快缩小基本养老保险群体差异、地区差异
本报记者 孙丽朝 海南博鳌报道“当前,我国基本养老保险发展还不充分、不平衡。因此,应加快缩小群体差异、地区差异以及城乡差异
平均每天三家“首店”亮相,解锁上海首发经济创新密码
今年以来,上海密集推出全球首店落地、新品首发以及潮流首秀活动,持续激发消费市场活力。上海为何能成为全球青睐的首发经济集聚
晋江第53家!婴舒宝在港交所上市!
受泉州市委常委、晋江市委书记张文贤委托,晋江市市长王明元向舒宝国际在港交所成功上市致以热烈祝贺。他指出,‌晋江是“晋江经
“科技+服务+保险” 为乡村全面振兴贡献力量
在全面推进乡村振兴、加快建设农业强国的战略背景下,中国平安财产保险股份有限公司(以下简称“平安产险”)深入贯彻中央一号文