吾爱破解 - LCG - LSG |安卓破解|病毒分析|www.52pojie.cn

 找回密码
 注册[Register]

QQ登录

只需一步,快速开始

查看: 10412|回复: 29
收起左侧

[Java 转载] 【Java爬虫】爬取淘宝买家秀

  [复制链接]
青柠檬。 发表于 2020-2-27 12:54
本帖最后由 青柠檬。 于 2020-2-27 12:55 编辑

爬取目标

https://h5.m.taobao.com/ocean/privatenode/shop.html?&sellerId=50852803

需要sellerId=50852803的50852803

获取数据地址
https://acs.m.taobao.com/h5/mtop.taobao.social.feed.aggregate/1.0/?appKey=12574478&t=1582778795899&sign=367a770e5a56cfaafc350da1da6b7d76&api=mtop.taobao.social.feed.aggregate&v=1.0&timeout=300000&timer=300000&type=jsonp&dataType=jsonp&callback=mtopjsonp1&data=%7B%22params%22%3A%22%7B%5C%22nodeId%5C%22%3A%5C%22%5C%22%2C%5C%22sellerId%5C%22%3A%5C%2250852803%5C%22%7D%22%2C%22cursor%22%3A%221%22%2C%22pageNum%22%3A%221%22%2C%22pageId%22%3A5703%2C%22env%22%3A%221%22%7D
其中
t为当前时间戳
sign 为 (token + "&" + t + "&" + appKey + "&" + data) 这几个参数拼接后转成MD5

我们需要获取的就只有token,而token是服务器传过来的
所以伪造一次访问获取返回的token,然后再访问数据

pom.xml

    <dependency>
        <groupId>org.apache.httpcomponents</groupId>
        <artifactId>httpclient</artifactId>
        <version>4.5.11</version>
    </dependency>
    <dependency>
        <groupId>com.alibaba</groupId>
        <artifactId>fastjson</artifactId>
        <version>1.2.62</version>
    </dependency>
    <dependency>
        <groupId>org.projectlombok</groupId>
        <artifactId>lombok</artifactId>
        <optional>true</optional>
    </dependency>

TbBuyerShow.java

@Data
@NoArgsConstructor
public class TbBuyerShow {
    private String sellerId; //店铺类别ID
    private String title; //店铺名称
    private String userName; //用户名称
    private String userUrl; //用户链接
    private String userTitle; //用户评论
    private String imgId; //图片ID
    private String imgUrl; //图片衔接
    private String targetUrl; //图片来源
    private Integer pageNum;
}

BuyerShowReptile.Java

public class BuyerShowReptile {

    public static void main(String[] args) {
        List<TbBuyerShow> reptile = reptile("50852803", 1, 20);
        reptile.forEach(tbBuyerShow -> System.out.println(tbBuyerShow.getImgUrl()));
    }
    //ID,第几页,固定参数
    public static List<TbBuyerShow> reptile(String sellerId, int index, int num) {
        String url = "https://acs.m.taobao.com/h5/mtop.taobao.social.feed.aggregate/1.0/?";
        String appKey = "12574478";
        String t = String.valueOf(new Date().getTime());
        String sign = "af1fde903d6e32e57aaf3377e6a68f3a";
        String data = "{\"params\":" +
                "\"{\\\"nodeId\\\":" +
                "\\\"\\\",\\\"sellerId\\\":" +
                "\\\"" + sellerId + "\\\",\\\"pagination\\\":" +
                "{\\\"direction\\\":" +
                "\\\"1\\\",\\\"hasMore\\\":" +
                "\\\"true\\\",\\\"pageNum\\\":" +
                "\\\"" + index + "\\\",\\\"pageSize\\\":" +
                "\\\"" + num + "\\\"}}\",\"cursor\":" +
                "\"" + index + "\",\"pageNum\":" +
                "\"" + index + "\",\"pageId\":" +
                "5703,\"env\":" +
                "\"1\"}";
        Params params = newParams(appKey, t, sign, data);
        String str = htmlUrl(url, params);
        String mh5tk = "";
        String mh5tkenc = "";
        String token = "";
        String u;
        CookieStore cookieStore = new BasicCookieStore();
        CloseableHttpClient httpClient = HttpClientBuilder.create().setDefaultCookieStore(cookieStore).build();
        HttpGet httpGet = new HttpGet(str);
        CloseableHttpResponse response = null;
        try {
            response = httpClient.execute(httpGet);
            List<Cookie> cookies = cookieStore.getCookies();
            for (Cookie cookie : cookies) {
                if ("_m_h5_tk".equals(cookie.getName())) {
                    mh5tk = cookie.getValue();
                    token = mh5tk.split("_")[0];
                }
                if ("_m_h5_tk_enc".equals(cookie.getName())) {
                    mh5tkenc = cookie.getValue();
                }
            }
            u = token + "&" + params.getT() + "&" + appKey + "&" + data;
            sign = DigestUtils.md5DigestAsHex(u.getBytes());
            params = newParams(appKey, t, sign, data);
            str = htmlUrl(url, params);
            Cookie cookie = new BasicClientCookie("_m_h5_tk", mh5tk);
            ((BasicClientCookie) cookie).setAttribute("_m_h5_tk_enc", mh5tkenc);
            cookieStore.addCookie(cookie);
            httpClient = HttpClientBuilder.create().setDefaultCookieStore(cookieStore).build();
            httpGet = new HttpGet(str);
            response = httpClient.execute(httpGet);
            HttpEntity entity = response.getEntity();
            String conResult = EntityUtils.toString(entity, "UTF-8");
            return newTbBuyerShow(conResult, sellerId, index);
        } catch (IOException e) {
            e.printStackTrace();
        } finally {
            try {
                if (httpClient != null) {
                    httpClient.close();
                }
                if (response != null) {
                    response.close();
                }
            } catch (IOException e) {
                e.printStackTrace();
            }
        }
        return null;
    }

    static List<TbBuyerShow> newTbBuyerShow(String conResult, String sellerId, Integer index) {
        List<TbBuyerShow> tbBuyerShows = new ArrayList<>();
        String title = ""; //店铺名称
        String userName = ""; //用户名称
        String userUrl = ""; //用户链接
        String userTitle = ""; //用户评论
        String imgId; //图片ID
        String imgUrl; //图片衔接
        String targetUrl = ""; //图片来源
        Integer pageNum = index; //页码
        if (!StringUtils.isEmpty(conResult)) {
            conResult = conResult.replace("mtopjsonp(", "");
            conResult = conResult.replace(")", "");
            JSONObject jsonObject = JSON.parseObject(conResult);
            jsonObject = jsonObject.getJSONObject("data");
            if (!StringUtils.isEmpty(jsonObject)) {
                JSONObject header = jsonObject.getJSONObject("header");
                if (!StringUtils.isEmpty(header)) {
                    title = (String) header.get("title");
                }
                JSONArray userList = jsonObject.getJSONArray("list");
                if (!StringUtils.isEmpty(userList)) {
                    for (int i = 0; i < userList.size(); i++) {
                        JSONObject list = userList.getJSONObject(i);
                        JSONObject user = list.getJSONObject("user");
                        if (!StringUtils.isEmpty(user)) {
                            userName = (String) user.get("userNick");
                            userUrl = (String) user.get("userUrl");
                        }
                        if (!StringUtils.isEmpty(list.get("title"))) {
                            userTitle = (String) list.get("title");
                        }
                        if (!StringUtils.isEmpty(list.get("targetUrl"))) {
                            targetUrl = (String) list.get("targetUrl");
                        }
                        JSONArray picsList = list.getJSONArray("pics");
                        if (!StringUtils.isEmpty(picsList)) {
                            for (int j = 0; j < picsList.size(); j++) {
                                TbBuyerShow tbBuyerShow = new TbBuyerShow();
                                JSONObject pics = picsList.getJSONObject(j);
                                imgId = (String) pics.get("id");
                                imgUrl = (String) pics.get("path");
                                tbBuyerShow.setSellerId(sellerId);
                                tbBuyerShow.setTitle(title);
                                tbBuyerShow.setUserName(userName);
                                tbBuyerShow.setUserUrl(userUrl);
                                tbBuyerShow.setUserTitle(userTitle);
                                tbBuyerShow.setImgId(imgId);
                                tbBuyerShow.setImgUrl(imgUrl);
                                tbBuyerShow.setTargetUrl(targetUrl);
                                tbBuyerShow.setPageNum(pageNum);
                                tbBuyerShows.add(tbBuyerShow);
                            }
                        }
                    }
                }
            }
        }
        return tbBuyerShows;
    }

    static Params newParams(String appkey, String t, String sign, String data) {
        Params params = new Params();
        params.setAppKey(appkey);
        params.setT(t);
        params.setSign(sign);
        params.setApi("mtop.taobao.social.feed.aggregate");
        params.setV("1.0");
        params.setTimeout("300000");
        params.setTimer("300000");
        params.setType("jsonp");
        params.setDataType("jsonp");
        params.setCallback("mtopjsonp");
        params.setData(data);
        return params;
    }

    /**
     * * https://acs.m.taobao.com/h5/mtop.taobao.social.feed.aggregate/1.0/
     * * ?appKey=12574478
     * * &t=1581927984172
     * * &sign=e83a3add7b5fc1b70b0601a2ccd133e9
     * * &api=mtop.taobao.social.feed.aggregate
     * * &v=1.0
     * * &timeout=300000
     * * &timer=300000
     * * &type=jsonp
     * * &dataType=jsonp
     * * &callback=mtopjsonp1
     * * &data=%7B%22params%22%3A%22%7B%5C%22nodeId%5C%22%3A%5C%22%5C%22%2C%5C%22sellerId%5C%22%3A%5C%22109043255%5C%22%7D%22%2C%22cursor%22%3A%221%22%2C%22pageNum%22%3A%221%22%2C%22pageId%22%3A5703%2C%22env%22%3A%221%22%7D
     * *
     *
     * @param url
     * @return
     */
    static String htmlUrl(String url, Params params) {

        StringBuffer buffer = new StringBuffer();
        try {
            buffer.append(url)
                    .append("appkey=" + URLEncoder.encode(params.getAppKey(), "utf-8"))
                    .append("&t=" + URLEncoder.encode(params.getT(), "utf-8"))
                    .append("&sign=" + URLEncoder.encode(params.getSign(), "utf-8"))
                    .append("&api=" + URLEncoder.encode(params.getApi(), "utf-8"))
                    .append("&v=" + URLEncoder.encode(params.getV(), "utf-8"))
                    .append("&timeout=" + URLEncoder.encode(params.getTimeout(), "utf-8"))
                    .append("&timer=" + URLEncoder.encode(params.getTimer(), "utf-8"))
                    .append("&type=" + URLEncoder.encode(params.getType(), "utf-8"))
                    .append("&dataType=" + URLEncoder.encode(params.getDataType(), "utf-8"))
                    .append("&callback=" + URLEncoder.encode(params.getCallback(), "utf-8"))
                    .append("&data=" + URLEncoder.encode(params.getData(), "utf-8"));
        } catch (UnsupportedEncodingException e) {
            e.printStackTrace();
        }
        return buffer.toString();
    }
}

免费评分

参与人数 3吾爱币 +6 热心值 +3 收起 理由
苏紫方璇 + 3 + 1 欢迎分析讨论交流,吾爱破解论坛有你更精彩!
李玉风我爱你 + 2 + 1 还是python简单 支持
哈哈衬 + 1 + 1 厉害

查看全部评分

发帖前要善用论坛搜索功能,那里可能会有你要找的答案或者已经有人发布过相同内容了,请勿重复发帖。

liku518 发表于 2021-6-1 09:19
太复杂了,看不懂,也不会用。能不能让我双击一下就运行起来的,如果想想抓取哪个类目的买家秀,输入链接,或者关键词,或者ID号就可以的。比如我想爬取紧身裤,包臀裙,丝袜,瑜伽裤等等,
 楼主| 青柠檬。 发表于 2021-4-2 09:47
songjing 发表于 2021-4-2 09:20
真写不出来,那个p对象,可以贴出来吗,不会写,亲

P

 Params params = new Params();
        params.setAppKey(appkey);
        params.setT(t);
        params.setSign(sign);
        params.setApi("mtop.taobao.social.feed.aggregate");
        params.setV("1.0");
        params.setTimeout("300000");
        params.setTimer("300000");
        params.setType("jsonp");
        params.setDataType("jsonp");
        params.setCallback("mtopjsonp");
        params.setData(data);
        return params;

Params 里面就这些东西反推一下嘛 ,很简单的

@Data
public class Params {
 ...
 private String sign;
 private String api;
 private String v;
 ...
}

免费评分

参与人数 1吾爱币 +1 热心值 +1 收起 理由
songjing + 1 + 1 谢谢@Thanks!

查看全部评分

落椛哟 发表于 2020-2-27 13:05
头像被屏蔽
那年听风 发表于 2020-2-27 13:08
提示: 作者被禁止或删除 内容自动屏蔽
aygiqg 发表于 2020-2-27 13:15
虽然看不懂  但还是要顶一个
哈哈衬 发表于 2020-2-27 13:30
一般用python用java的应该很厉害吧
青蛙考拉 发表于 2020-2-27 13:35
这代码放在哪里运行
 楼主| 青柠檬。 发表于 2020-2-27 13:47
青蛙考拉 发表于 2020-2-27 13:35
这代码放在哪里运行

maven+Java
破风 发表于 2020-2-27 13:48
有没有大佬能写一个python的出来让我们学习一下
有名小卒 发表于 2020-2-27 14:01
python爬虫不香吗
xu474242 发表于 2020-2-27 14:17
好像学爬虫啊,可是没有耐心
您需要登录后才可以回帖 登录 | 注册[Register]

本版积分规则 警告:本版块禁止灌水或回复与主题无关内容,违者重罚!

快速回复 收藏帖子 返回列表 搜索

RSS订阅|小黑屋|处罚记录|联系我们|吾爱破解 - LCG - LSG ( 京ICP备16042023号 | 京公网安备 11010502030087号 )

GMT+8, 2024-4-25 11:53

Powered by Discuz!

Copyright © 2001-2020, Tencent Cloud.

快速回复 返回顶部 返回列表