Scrapy使用FormRequest POST采集团贷网投资计划和投资人资料

爬虫主要功能是什么

采集团贷网投资计划和投资人资料,采集的都是网页上的公开数据

为什么要写这个爬虫

帮以前同事写的

花了多久时间

很久没写爬虫了,最终花了三个小时

做到了什么程度,还可以进行怎样的改进

采集多了接口会返回404,可以增加UA随机切换(看是不是单纯封ip),接入代理ip

起始页:

https://www.tuandai.com/pages/weplan/welist.aspx#a

步骤

直接使用采集ajax接口
1.获取计划列表
2.获取每个计划所有分页链接
3.获取每个分页上的投资记录

spider代码

# -*- coding: utf-8 -*-
import json
import scrapy
from scrapy import Request, FormRequest
from tuandai.items import TuandaiItem
import time


class TuandaiSpider(scrapy.Spider):
    name = "tuandai_spider"
    allowed_domains = ["www.tuandai.com"]
    start_urls = ['https://www.tuandai.com/pages/weplan/welist.aspx', ]
    invest_url = 'https://www.tuandai.com/pages/ajax/invest_list.ashx'
    item_url = 'https://www.tuandai.com/ajaxCross/ajax_invest.ashx'
    headers = {"Host": "www.tuandai.com",
               "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:53.0) Gecko/20100101 Firefox/53.0",
               "Accept": "application/json, text/javascript, */*; q=0.01",
               "Accept-Language": "zh-CN,zh;q=0.8,en-US;q=0.5,en;q=0.3",
               "Referer": "https://www.tuandai.com/pages/weplan/welist.aspx",
               "Accept-Encoding": "gzip, deflate, br",
               "Content-Type": "application/x-www-form-urlencoded; charset=UTF-8",
               "X-Requested-With": "XMLHttpRequest",
               "Connection": "keep-alive",
               "Cache-Control": "max-age=0"}
    
    def start_requests(self):
        # 测试时只采集第一页的计划,range(1,21)即可采集全部计划
        for i in range(1, 2):
            formdata = {"Cmd": "GetProductPageList",
                        "pagesize": "10",
                        "pageindex": "1",
                        "type": "0"}
            formdata['pageindex'] = str(i)
            time.sleep(1)
            yield FormRequest(url=self.invest_url, headers=self.headers, formdata=formdata,method='POST', callback=self.parse_invest)
    
    def parse_invest(self, response):
        jsonres = json.loads(response.body_as_unicode())
        id_list = [invest['Id'] for invest in jsonres['ProductList']]
        print id_list
        # 注意字典深浅拷贝
        formdata = {"Cmd": "GetWePlanSubscribeList",
                    "pagesize": "15",
                    "pageindex": "1",
                    "projectid": "a308c7c1-6864-46b7-9c65-d6a992c427b3"}
        for id in id_list:
            f = {'Cmd': formdata['Cmd'],'pagesize': formdata['pagesize'],'pageindex':formdata['pageindex'],'projectid': id}
            yield FormRequest(url=self.item_url, method='POST', formdata=f, meta={'formdata': f},
                              headers=self.headers, callback=self.parse_itemlist)
            print f
            
            
    def parse_itemlist(self, response):
        jsonres = json.loads(response.body_as_unicode())
        print jsonres
        # 采集第一页item start
        item_list = [item for item in jsonres['list']]
        print item_list
        for item in item_list:
            yield item
        # 采集第一页item end
        count = int(jsonres['totalcount'])
        pageindex = 0
        formdata = response.meta['formdata']
        print "formdata: ", formdata
        
        # scrapy 会跳过重复页面 必须在之前把第一页item提取出来,测试时只采集3页,把if去掉即可采集全部分页
        for i in range((count/15)+1):
            if i < 3:
                pageindex = pageindex + 1
                formdata['pageindex'] = str(pageindex)
                print "yield response url: ",response.url, "projectid: ",formdata['projectid'],"pageindex: ", formdata['pageindex']
                yield FormRequest(url=response.url, method='POST', formdata=formdata, meta={'formdata':formdata},headers=self.headers,callback=self.parse)
    #
    def parse(self, response):
        jsonres = json.loads(response.body_as_unicode())
        item_list = [item for item in jsonres['list']]
        print item_list
        for item in item_list:
            yield item

item.py代码

import scrapy
class TuandaiItem(scrapy.Item):
    # define the fields for your item here like:
    # name = scrapy.Field()
    NickName = scrapy.Field()
    Amount = scrapy.Field()
    RepeatInvestType = scrapy.Field()
    OrderDate = scrapy.Field()
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 157,298评论 4 360
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 66,701评论 1 290
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 107,078评论 0 237
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 43,687评论 0 202
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,018评论 3 286
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,410评论 1 211
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,729评论 2 310
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,412评论 0 194
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,124评论 1 239
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,379评论 2 242
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,903评论 1 257
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,268评论 2 251
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,894评论 3 233
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,014评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,770评论 0 192
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,435评论 2 269
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,312评论 2 260

推荐阅读更多精彩内容

  • Android 自定义View的各种姿势1 Activity的显示之ViewRootImpl详解 Activity...
    passiontim阅读 170,544评论 25 707
  • 你爬了吗? 要玩大数据,没有数据怎么玩?这里推荐一些33款开源爬虫软件给大家。 爬虫,即网络爬虫,是一种自动获取网...
    Albert新荣阅读 2,184评论 0 8
  • 33款可用来抓数据的开源爬虫软件工具 要玩大数据,没有数据怎么玩?这里推荐一些33款开源爬虫软件给大家。 爬虫,即...
    visiontry阅读 7,082评论 1 99
  • 小胖漫画微信头像合集 点击图片即可查看、保存 点开图片, 长按图片保存到手机, 设置为微信头像 让每天的你都不一样...
    叶小胖阅读 1,640评论 5 3
  • 我知道,此刻整个房间充斥着情爱过后的暧昧分子,上一刻的欢畅淋漓余感尚未消退,看着你满足的表情,我竟有些慌神,就差一...
    静妥妥阅读 519评论 0 0