Python爬取阿拉丁统计信息过程图解
作者:ylw6006 发布时间:2022-04-02 06:23:22
背景
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
#!/usr/bin/python
# -*- coding: UTF-8 -*-
import requests
import json
#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'
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")
#获取token函数
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")
else:
dingtalk("获取阿拉丁登录token失败,请检查!")
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",
"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("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
来源:https://blog.51cto.com/ylw6006/2493940
猜你喜欢
- 在右键菜单中加入复制目标文件的有效存放路径(单斜杠或者双反斜杠)引言由于win10电脑自带的获取文件路径为双引号括起来的单反斜杠,如下图。&
- 长期以来一直以为iframe跟div一样都是块级元素,直到今天在一个群中看到一位朋友问到iframe怎么居中的时候,测试了下发现原来我一直对
- 这最近在PJ的function库里看到的这个函数,感觉思路差了点,不过相对比较完美,只是闭合标签时的顺序问题,呵呵 修改一下数组arrTag
- 写在前面的话基于dlib库的模型,实现人脸识别和焦点人物的检测。最后呈现的效果为焦点人物的识别框颜色与其他人物框不一样。准备工作需要安装好p
- 接下来我们会进入 字符串常用方法的应用阶段,重点学习字符串的内置函数。正式学习之前,我们要先了解一个词 对象 (划重点,不是男女朋友!),只
- 这两个字符串真实长度和取固定长度的字符串函数是在 photo.163.com 的js文件里看到的。 作者&nb
- 一. 创建列表列表(list)作为Python中基本的数据结构,是存储数据的容器,相当于其它语言中所说的数组。模拟出的结构如下:创建列表有两
- 本文实例为大家分享了python matlibplot绘制3D图形的具体代码,供大家参考,具体内容如下1、散点图使用scatterfrom
- 首先建一个access 数据库,库中有一个URLINDEX表,其中URL和Keywords字段分别添加了索引,如下:URL &nb
- 如下所示:# -*- coding:utf-8 -*-class Solution: # matrix类型为二维列表,需要返回列
- 正则给header的冒号两边参数添加单引号(Python请求用)直接从浏览器Chrome复制header值如下:Host: kyfw.123
- 序言本文所提及的VTD-XML并非本文作者原创,作者只是对它进行介绍。问题通常当我们提起XML的使用时,最头痛的部分便是XML的verbos
- 1. 首先到 nodejs.org 下载 Node.js 安装包并安装。2. 打开 Sublime Text 2 编辑器。选择菜单 Tool
- SOAP.py 客户机和服务器SOAP.py 包含的是一些基本的东西。没有 Web 服务描述语言(Web Services Descript
- 本文是小编针对JS删除数组里的某个元素这个大家经常遇到的经典问题整理了在各种情况下的函数写法以及遇到问题的分析,以下是全部内容:删除数组指定
- 需求问题在日常工作中,对于前端发送过来的请求,后端django大部分都是采用json格式返回,也有采用模板返回视图的方式。在模板返回视图的方
- PyTorch中数据读取的一个重要接口是torch.utils.data.DataLoader,该接口定义在dataloader.py脚本中
- 本文实例讲述了Python实现PS滤镜Fish lens图像扭曲效果。分享给大家供大家参考,具体如下:这里实现 PS 滤镜中的一种几何变换–
- OpenCV简介OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉库,可以运行在Linux、Windows、Android和Ma
- 前言:网上搜到了一些关于手势处理的实验,我在这儿简单的实现一下,主要运用的知识就是opencv,python基本语法,图像处理基础知识。获取