快捷導(dǎo)航

Python爬取阿拉丁統(tǒng)計信息過程圖解

更新時間：2020年05月12日 15:14:05 作者：ylw6006

這篇文章主要介紹了Python爬取阿拉丁統(tǒng)計信息過程圖解,文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下

背景

目前項目在移動端上，首推使用微信小程序。各項目的小程序訪問數(shù)據(jù)有必要進行采集入庫，方便后續(xù)做統(tǒng)計分析。雖然阿拉丁后臺也提供了趨勢分析等功能，但一個個的獲取數(shù)據(jù)做數(shù)據(jù)分析是很痛苦的事情。通過將數(shù)據(jù)轉(zhuǎn)換成sql持久化到數(shù)據(jù)庫上，為后面的數(shù)據(jù)分析和展示提供了基礎(chǔ)。

實現(xiàn)思路

阿拉丁產(chǎn)品分開放平臺和統(tǒng)計平臺兩個產(chǎn)品線，目前開放平臺有api及配套的文檔。統(tǒng)計平臺api需要收費，而且賊貴。既然沒有現(xiàn)成的api可以獲取數(shù)據(jù)，那么我們嘗試一下用python抓取頁面上的數(shù)據(jù)，畢竟python擅長干這種事情。

獲取數(shù)據(jù)流程

1、首先登陸阿拉丁的統(tǒng)計平臺，如下圖

發(fā)現(xiàn)實際需要獲取的關(guān)鍵數(shù)據(jù)主要是“新用戶數(shù)”、“訪問人數(shù)”、“訪問次數(shù)”、“打開次數(shù)”、“次均停留時長”、“跳出率”、“累計用戶”，而且這里有現(xiàn)成的昨日數(shù)據(jù)，那么我們一天爬一次這個頁面然后格式化昨日數(shù)據(jù)入庫就可以了。

2、打開瀏覽器F12，發(fā)現(xiàn)這個頁面的數(shù)據(jù)主要來自鏈接如下圖

這里隱去敏感信息token，默認是20條數(shù)據(jù)進行分頁顯示，那么問題來了，這里的token從哪里獲取的呢？猜測這個token應(yīng)該是用戶登錄之后生成的，只要有正確的token，就可以獲取數(shù)據(jù)。

在preview標簽中可以看到實際返回了50條的數(shù)據(jù)

展開詳細的數(shù)據(jù)，這里隱去敏感信息app_key和app_name

展開第1條數(shù)據(jù)，可以看到詳細的統(tǒng)計數(shù)據(jù)信息，現(xiàn)在我們的目標就是如何通過python獲取這些信息。

登錄過程

下面我們來看一下登錄過程。瀏覽器退出賬號之后，重新登錄（賬密方式登錄），打開瀏覽器F12，發(fā)現(xiàn)實際登錄請求的url地址如下圖

注意content-type和user-agent參數(shù)，這里隱去敏感數(shù)據(jù)用戶名、密碼和secretkey, 這個secretkey又是哪里冒出來的呢？

不管三七二十一，先用postman請求一下這個地址，的確獲取到了token。

前面登錄url的payload中有code字段，實際用postman請求發(fā)現(xiàn)可以忽略。通過F12發(fā)現(xiàn)，驗證碼的url是通過拼接實現(xiàn)的，具體如下圖。

如果驗證碼是強制需要的，我們可以先拼接好url獲取圖片，通過pytesseract進行識別，當(dāng)然這里面可能存在準確率問題，不過既然這個目前是非必須的，咋們就忽略吧。

網(wǎng)頁上退出登錄，發(fā)現(xiàn)頁面請求了token地址如下

直接用瀏覽器訪問，可以看到secretKey

梳理一下：

1、目前我們已經(jīng)有了登錄的url、獲取統(tǒng)計數(shù)據(jù)的url、用戶名密碼、secretKey等信息，code可忽略

2、登錄完可以獲取到token信息

3、可以通過token請求獲取統(tǒng)計數(shù)據(jù)的url來獲取數(shù)據(jù)

代碼實現(xiàn)

1、login.py

#!/usr/bin/python
# -*- coding: UTF-8 -*-

import requests
import json

#釘釘告警函數(shù)
def dingtalk(content):
  dingtalk_url = 'https://oapi.dingtalk.com/robot/send?access_token="請輸入釘釘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)

#獲取secretkey函數(shù)
def get_secretkey():
  token_url = 'http://betaapi.aldwx.com/m/Login_reg/Login/token'
  header = {"Content-Type": "application/x-www-form-urlencoded; charset=UTF-8",
       "user-agent": "User-Agent:Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.94 Safari/537.36"}
  req = requests.post(token_url,headers=header).text
  return json.loads(req).get("secretKey")

#獲取token函數(shù)
def get_token(secretkey):
  s = requests.Session()
  login_url = 'https://betaapi.aldwx.com/Main/action/Login_reg/Login/login'
  header = {"Content-Type": "application/x-www-form-urlencoded; charset=UTF-8",
       "user-agent": "User-Agent:Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.94 Safari/537.36"}

  payload = {"phone": "用戶名",
        "password": "密碼",
        "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")
  else:
    dingtalk("獲取阿拉丁登錄token失敗，請檢查!")
    return None

2、aldwx.py

#!/usr/bin/python
# -*- coding: UTF-8 -*-

import requests
import json
from common.mysql_conn import DBAPI
from conf import settings
from login import get_token,get_secretkey,dingtalk

#定義寫數(shù)據(jù)庫函數(shù)
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)

#獲取統(tǒng)計數(shù)據(jù)拼接成列表
def get_data(token):
  header = {"Content-Type": "application/x-www-form-urlencoded",
       "user-agent": "User-Agent:Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.94 Safari/537.36"}
  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
      else:
        dingtalk("獲取微信小程序統(tǒng)計信息失敗,token: %s" %token)
  except Exception as e:
    dingtalk("獲取微信小程序%s統(tǒng)計信息失敗，%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)
  #拼接并轉(zhuǎn)換sql
  value = str(value).strip("'[").strip("]'").strip().replace("', '",",")
  sql = "%s%s;" % (sql, value)
  print(sql)
  exec_sql(sql)

3、入庫效果