Python爬虫入门教程 48-100

1. 爬取前的分析

mitmdump是mitmproxy的命令行接口，比Fiddler、Charles等工具方便的地方是它可以对接python脚本。
有了它我们可以不用手动截获和分析Http请求和响应，只需写好请求和响应的处理逻辑即可。
它还可以实现数据的解析、存储等工作，这些过程都可以通过Python实现。

1.1 启动mitmdump 保存到文件

使用命令

mitmdump -w crawl.txt  

其中 crawl.txt 可以为任意文件名，就可以保存相应的结果了

1.2 调用脚本文件

mitmdump -s script.py

script.py 文件中编写如下代码

# 修改UA
def request(flow):
    flow.request.headers['User-Agent'] = 'MitmProxy'
    print(flow.request.headers)

在夜神模拟器中打开http://httpbin.org/get
出现如下内容

出现上述内容比较你已经可以对网页request进行修改了，下面打开手机惠农APP，看一下如何去捕获相应的请求

2. 捕获手机惠农APP请求

这个地方千万不要单独依赖mitmdump，要不你会直接卡死的，你可以采用mitmWEB，打开APP之后，等待一会，点击一个菜单进入。比如点击下面的供应大厅。

之后在mitmweb中捕获到列表页的数据连接，保存地址 https://truffle.cnhnb.com/banana/supply/query/list 方便进行后续的操作。

3. 完善script脚本

脚本主要有两部分构成，数据获取与数据存储，数据获取要注意，当访问的url匹配到刚才的地址的时候，就表示可以进行处理了

from mitmproxy import ctx
import JSON
import pymonGo
# def request(flow):
#     #flow.request.headers['User-Agent'] = 'MitmProxy'
#     print(flow.request.headers)

def response(flow):
    start_url = "https://truffle.cnhnb.com/banana/supply/query/list"
    response = flow.response
    info = ctx.log.info
    if flow.request.url.startswith(start_url):
        text = response.text
        
        data = json.loads(text)
        save(data)

def save(data):
    DATABASE_IP = '127.0.0.1'
    DATABASE_PORT = 27017
    DATABASE_NAME = 'sun'
    client = pymongo.MongoClient(DATABASE_IP, DATABASE_PORT)
    db = client.sun
    db.authenticate("dba", "dba")
    collection = db.huinong  # 准备插入数据
    print(data["data"]["datas"])
    collection.insert_many(data["data"]["datas"])

实现的效果

注意，现在还没有设置手机自动操作，所以操作是我手动滑动的。左侧数据已经成功的捕获到了。

4. 入库效果

数据存储到mongoDB中，在处理就比较简单了

5. 其他说明

mitmdump提供了专门的日志输出功能，可以设定不同级别以不同颜色输出结果。
ctx模块有log功能，调用不同的输出方法就可以输出不同颜色的结果，以方便我们做调试。

ctx.log.warn(str(flow.request.query))
ctx.log.error(str(flow.request.headers))

更多的脚本例子，可以去参考。

https://GitHub.com/mitmproxy/mitmproxy/tree/master/examples/simple

后续，我们将尝试将刚才的手动滑动修改成自动操作......