精华帖 (0) :: 良好帖 (0) :: 新手帖 (0) :: 隐藏帖 (0)
|
|
---|---|
作者 | 正文 |
发表时间:2010-12-24
RT——在大家做网站或GUI的业余时间,可能你会碰到这样的需求——
1. 为了推广,有目的地爬一些邮件,群发广告; 2. 做一个博客管理软件,同时管理新浪、网易、搜狐的个人博客; 3. 淘宝商家在推广一个新宝贝时候,根据关键词的热度对它进行标签标示; 4. 朋友参与一个网络投票活动,可能帮他刷点票; 5. 。。。。。
等等,这些东东,所谓“网络应用”乍一看没什么技术含量,当你通过网络得知“某一款淘宝客工具有近万用户,每个用户每月都要支付***”,一款商务快车(制造网络垃圾)的东东是那么地受推崇——你或许会感叹一声,现在的web啊。。。
Well,言归正传,要解决类似的需求,我抛个砖,大家可以拍砖,当然更欢迎补充——
1. 准备好你的Tools Box: 喜欢Web Spider的,去open-open.com上找几个热门的,通过文档学习这些东东偶就不累述了; 寻找一个自己熟悉的脚本语言(灵活点在这里好处你会慢慢发现的)——推荐PHP Ruby/Python——如果你和我一样有点少数人倾向,Groovy/Scala也不错; 浏览器的辅助,这个在一些复杂的http交互环境中更显得重要——推荐Firefox的HttpFox,还有就是Chrome自带的js调试面板和Network面板;
2. 编程语言上的工具: 这些需求好多都是在模拟Http请求,所以一个Http Client之类的库是不可少的——有的童鞋会想到HttpUnit(Java)的可以直接提供模拟浏览器文档模型和事件驱动,但当你用过你就知道,开源的js库能做到跨浏览器的还真不多。。。 更好的封装——CURL工具或Restful Client之类的库,这个看个人喜好,自己通过文档一样可以在HttpClient上弄出比如权限认证之类的。。。 和具体需求相关的一些专用工具或网络资源——比如Sina Weibo SDK,TaobaoClient等,一些代理IP列表。。。
3. 一个好的文本编辑器——你可以称它为一个IDE,但是对于脚本来说,像Eclipse/NetBeans/VS之类的,不如EditPlus Vim Notepad++ MadEdit Geany UltraEdit来的方便——别说你还没能熟练地运用其中的一款,恭喜你,你作为一个Coder还有很大的提升空间(题外话)——但当你真正熟悉其中一个时,你会爱死他的。。。
我以前的博客写过一些关于网络抓取、代理投票、门户网站登录发博等文章了,总得来说,其内容零零散散,代码也片片的,下面我以最近的一个淘宝上的需求为例说明下具体解决过程——
1. 需求:作为一个卖家,获取所有的会员信息记录和交易记录,从中分析出Email和手机号,然后进行邮件群发和短信群发以作推广。 2. 背景:如果你没接触过淘宝卖家的那些后台功能,没关系,我简单说下——Taobao提供的SDK中Email\手机号在API文档里是搞不出来的。Taotao提供一个发站内信和Email的工具,价格好像每封2分,如果会员有10000个,这个功能如果自己能搞了,可以省下200快钱呢!而且Taobao发站内信还做了时间间隔的限制(一段时间内至多发几次) 3. 思路:模拟登陆,模拟请求获取源码,然后分析——太俗套了,本质上还是Spider,哈哈,BS下自己。。。 4. 过程:我只提几个—— Taobao的用户密码:一般这帮网站都会用一堆加了密的Js对密码再进行加密然后再提交的,这个时候HttpFox就很有帮助了,具体使用有个小技巧——在Post Data里Copy All Rows然后再用正则替换下,就成了一个标准的请求参数Map了——别真一个个手工去敲;还有就是好多Form都有Token; 5. 参考:http://www.iteye.com/topic/593801 6. 代码(进行修改和整合的)——如果你想用多个类,更职责分明或更优美一点的话,一点都不是什么难事儿。
package app import groovy.sql.Sql import org.apache.http.HttpEntity import org.apache.http.HttpResponse import org.apache.http.client.ClientProtocolException import org.apache.http.client.HttpClient import org.apache.http.params.HttpProtocolParams import org.apache.http.client.methods.* import org.apache.http.impl.client.DefaultHttpClient import org.apache.http.entity.StringEntity import org.apache.http.util.EntityUtils import org.apache.http.client.entity.UrlEncodedFormEntity import org.apache.http.NameValuePair import org.apache.http.message.BasicNameValuePair def static String parseResp(HttpEntity respEntity){ String encoding = 'gbk' StringBuffer sb = new StringBuffer() BufferedReader reader = new BufferedReader( new InputStreamReader(respEntity.getContent(), encoding)) String line = null while ((line = reader.readLine()) != null) { sb.append(line) sb.append("\n") } return sb.toString() } def static String get(HttpClient httpclient, String host, String targetURL){ HttpGet gg = new HttpGet(host) gg.setURI(new URI(targetURL)) HttpResponse response = httpclient.execute(gg) HttpEntity respEntity = response.getEntity() String rr = parseResp(respEntity) if (respEntity != null) { respEntity.consumeContent() } return rr } def static String post(HttpClient httpclient, String targetURL, Map paramList){ String urlEncoding = 'gbk' HttpPost httppost = new HttpPost(targetURL) List<NameValuePair> nvps = new ArrayList<NameValuePair>() if(paramList){ paramList.each{k, v -> nvps.add(new BasicNameValuePair(k, v)) } } httppost.setEntity(new UrlEncodedFormEntity(nvps, urlEncoding)) HttpResponse response = httpclient.execute(httppost) HttpEntity respEntity = response.getEntity() String rr = parseResp(respEntity) if (respEntity != null) { respEntity.consumeContent() } return rr } // ****************************** String host = 'https://login.taobao.com/' // TODO String uu = '你的账户名' String seller_id = '你的卖家ID' // 这个通过HttpWatch看下就知道 // 这2个通过HttpWatch看下就知道 String pp = 'XXX' // 加过密的密码 String xxtid = 'XOR_1_000000000000000000000000000000_63584557457974767E740B7F' // tid // 表示全局的一个表单token String token = '' // 一共就一个实例 HttpClient httpclient = new DefaultHttpClient() // 如果不想把数据保存到数据库,这里也没什么事儿了 Map p = [ url:'jdbc:h2:~/h2-data/taobao_member', u:'u', p:'p', driver:'org.h2.Driver' ] Sql db = Sql.newInstance(p.url, p.u, p.p, p.driver) // 取得登陆token String r1 = get(httpclient, host, 'https://login.taobao.com/member/login.jhtml') (r1 =~ /_tb_token_' type='hidden' value='([^']+)'/).each{ token = it[1] } // 登陆Post的表单参数 Map params = [ TPL_username:uu, TPL_password:pp, TPL_redirect_url:'', tid:xxtid, _tb_token_:token, action:'Authenticator', event_submit_do_login:'anything', from:'tb', fc:'2', style:'default', support:'000001', CtrlVersion:'1,0,0,7', loginType:'4', minititle:'', minipara:'', pstrong:'', longLogin:'-1', llnick:'', sign:'', need_sign:'', isIgnore:'', popid:'', callback:'', guf:'', not_duplite_str:'', need_user_id:'', poy:'', gvfdcname:'10', from_encoding:'' ] // 登陆 post(httpclient, 'https://login.taobao.com/member/login.jhtml', params) // 根据会员关系管理的会员列表获取会员信息 //String rr = get(httpclient, host, 'http://ecrm.taobao.com/member/member_list.htm') //(rr =~ /_tb_token_' type='hidden' value='([^']+)'/).each{ // token = it[1] //} // //Map params_member_ll = [ // _tb_token_: token, // page: '1', // sellerId: seller_id, // buyerId: '', // maxAmount: '0', // minAmount: '0', // maxCount: '0', // minCount: '0', // memberInfo: '', // buyerNick: '', // relation: '0', // minTradeCount: '', // maxTradeCount: '', // minTradeAmount: '', // maxTradeAmount: '', // startTradeTime: '', // endTradeTime: '', // status: '0' //] // //int max_page = 100 //(1..max_page).each{ // List member_ll = [] // // params_member_ll.page = it + '' // String rr2 = post(httpclient, 'http://ecrm.taobao.com/member/member_list.htm', params_member_ll) // // // <a href="http://ecrm.taobao.com/member/member_detail.htm?seller_id=&buyer_id=372068812&status=1">837821089_88</a> // (rr2 =~ /<a href="(http:\/\/ecrm\.taobao\.com\/member\/member_detail\.htm\?seller_id=(\d+)&buyer_id=(\d+)&status=\d)">([^<]+)<\/a>/).each{ // Map item = [:] // item.url = it[1].replaceAll(/&/, '&') // item.seller_id = it[2] // item.buyer_id = it[3] // item.nick = it[4] // // member_ll << item // } // // member_ll.each{ // String dd = get(httpclient, host, it.url) // (dd =~ /买家姓名:<\/th>[^<]+<td>([^<]+)<\/td>/).each{gg -> // it.name = gg[1] // } // (dd =~ /买家性别:<\/th>[^<]+<td>([^<]+)<\/td>/).each{gg -> // it.gender = gg[1].trim() // } // (dd =~ /买家生日:<\/th>[^<]+<td>([^<]+)<\/td>/).each{gg -> // it.birth = gg[1] // } // (dd =~ /交易量(笔):<\/th>[^<]+<td>([^<]+)<\/td>/).each{gg -> // it.transf_num = gg[1] // } // (dd =~ /交易额(元):<\/th>[^<]+<td>([^<]+)<\/td>/).each{gg -> // it.transf_amount = gg[1] // } // (dd =~ /省份:<\/th>[^<]+<td>([^<]+)<\/td>/).each{gg -> // it.prov = gg[1] // } // (dd =~ /城市:<\/th>[^<]+<td>([^<]+)<\/td>/).each{gg -> // it.prov = gg[1] // } // (dd =~ /城市:<\/th>[^<]+<td>([^<]+)<\/td>/).each{gg -> // it.city = gg[1] // } // (dd =~ /电子邮箱:<\/th>[^<]+<td>([^<]+)<\/td>/).each{gg -> // it.email = gg[1] // } // (dd =~ /b_red_(\d+)\.gif/).each{gg -> // it.credit = gg[1] // } // } // member_ll.each{ // List args = [it.buyer_id, it.nick, it.name, it.gender, // it.prov, it.city, it.email, it.credit] // db.executeInsert("insert into taobao_member(uid, nick, name, gender, " + // "prov, city, email, credit) values (?,?,?,?,?,?,?,?)", args) // // println 'Add ok for ' + it.nick // } //} // 根据成功交易获取 联系人 手机 和收货地址 Map trade_param_ll = [ event_submit_do_query:'1', user_type:'1', pageNum:'1', isArchive:'false', order:'desc', order_type:'orderList', isArchiveDefault:'0', isQueryMore:'false', select_shop_name:'', isOwnOfficialShop:'false', sellerNumID:seller_id, '_fmt.q._0.a':'', '_fmt.q._0.bi':'', '_fmt.q._0.biz':'00:00', '_fmt.q._0.bizo':'', '_fmt.q._0.bizor':'00:00', '_fmt.q._0.b':'', '_fmt.q._0.au':'SUCCESS', '_fmt.q._0.c':'ALL', '_fmt.q._0.bizord':'', '_fmt.q._0.l':'ALL', '_fmt.q._0.t':'ALL', '_fmt.q._0.sh':'All', action:'itemlist/QueryAction', fromTag:'true' ] // TODO 这个交易的是总页数 int max_page = 100 (1..max_page).each{ List member_ll = [] trade_param_ll.pageNum = it + '' String rr2 = post(httpclient, 'http://trade.taobao.com/trade/itemlist/list_sold_items.htm', trade_param_ll) // <a href="http://trade.taobao.com/trade/detail/trade_item_detail.htm?bizOrderId=45055548819742&his=false" class="detail-link" target="_blank">详情</a> (rr2 =~ /<a href="(http:\/\/trade\.taobao\.com\/trade\/detail\/trade_item_detail\.htm[^"]+)" class="detail-link" target="_blank">/).each{ Map item = [:] item.url = it[1] member_ll << item } member_ll.each{ String dd = get(httpclient, host, it.url) (dd =~ /收货地址:<\/th>[^<]+<td>([^<]+)<\/td>/).each{gg -> it.info = gg[1] } (dd =~ /<span class="nickname">([^<]+)<\/span>/).each{gg -> it.nick = gg[1] } } member_ll.each{ def item = db.firstRow("select id from taobao_member_trade where info = ?", [it.info]) if(item){ println 'Skip trade for ' + it.nick }else{ List args = [it.info, it.nick] db.executeUpdate("insert into taobao_member_trade(info, nick) values (?,?)", args) println 'Add trade ok for ' + it.nick } } } httpclient.getConnectionManager().shutdown()
声明:ITeye文章版权属于作者,受法律保护。没有作者书面许可不得转载。
推荐链接
|
|
返回顶楼 | |
发表时间:2011-09-06
有潜力可挖
|
|
返回顶楼 | |
浏览 3132 次