IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> Python知识库 -> Python爬取全国各地区疫情风险等级 -> 正文阅读

[Python知识库]Python爬取全国各地区疫情风险等级

需求

通过爬虫取得国家官网各地区疫情风险等级,存入电子表格最终如下:

在这里插入图片描述
在这里插入图片描述

数据来源

http://bmfw.www.gov.cn/yqfxdjcx/risk.html

分析网页

在这里插入图片描述

  1. 页面结构
    上部:有截至时间,有三个按键:高\中\低.点击可以切换中部的信息
    中部:风险地区信息
    下部:翻页

  2. 确定请求方式
    因为有翻页按钮,猜想应该是用ajax更新数据
    打开F12,点<网络>,清除一下之前的内容,刷新一下
    通过<网络>分析一下
    XHR就是ajax请求
    查看<请求头>

  3. 分析请求信息

    url=http://bmfw.www.gov.cn/bjww/interface/interfaceJson
    
    #请求方式为:POST
    
    #请求头
    headers={
    	Accept: application/json, text/plain, */*
    	Accept-Encoding: gzip, deflate
    	Accept-Language: zh-CN,zh;q=0.9
    	Connection: keep-alive
    	Content-Length: 235
    	Content-Type: application/json;charset=UTF-8
    	Cookie: wdcid=57661336733ee69d; _gscu_1088464070=62382713kmnu2p11; __auc=5e75e3b61830dbb29f71ed50e8e; wdses=7e7e0e45f5b9f4e6; _gscbrs_1088464070=1; __asc=578b530b18312ed51c75133a6b5; acw_tc=2760823f16624698875982607ee72639a46b54881093f71cc7ab12b65f0a17; wdlast=1662469913; _gscs_1088464070=62469886ezpysq11|pv:2; SERVERID=edf8bc70025336506334b22603ae1cc6|1662469904|1662469877
    	Host: bmfw.www.gov.cn
    	Origin: http://bmfw.www.gov.cn
    	Referer: http://bmfw.www.gov.cn/yqfxdjcx/risk.html
    	User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/103.0.0.0 Safari/537.36
    	x-wif-nonce: QkjjtiLM2dCratiA
    	x-wif-paasid: smt-application
    	x-wif-signature: B80277094A20F7C04C735C8413BE2B014332114512BFB51BADD30E21D5C368D9
    	x-wif-timestamp: 1662469914
    }
    
    #POST请求的数据
    from_data={
    	"key":"3C502C97ABDA40D0A60FBEE50FAAD1DA",
    	"appId":"NcApplication",
    	"paasHeader":"zdww",
    	"timestampHeader":"1662469914",
    	"nonceHeader":"123456789abcdefg",
    	"signatureHeader":"B0BF67E09448D9A8A6C0538B259E715FD51CB51FCD6822E85000C2196354EB0B"
    }
    

    大多数都是常规项目请求.重点分析:
    x-wif-nonce
    x-wif-paasid
    x-wif-signature
    x-wif-timestampy

    timestampHeader
    signatureHeader

  4. 确认请求头参数
    先在<源代码 >右边的<XHR/提取断点>里输入接口的后半段地址:
    /bjww/interface/interfaceJson,并刷新页面,他会断下来,然后看<作用或>,如果<作用域>里显示有"/bjww/interface/interfaceJson",就可以在里面查看headers等数据
    在这里插入图片描述
    在这里插入图片描述

    上图可见headers只验证
    Accept
    Content-Type
    x-wif-nonce
    x-wif-paasid
    x-wif-signature
    x-wif-timestamp
    使用的是POST请求,请求数据是字符串,字符串中是字典.

  5. 分析JS
    5.1 搜索x-wif-nonce等关键字
    在<网络>下按Ctrl+F调出搜索窗口,搜x-wif-nonce
    在这里插入图片描述
    找到2个JS,3个地方
    先点第1.2个JS:
    在这里插入图片描述
    这里已经注释丢了,肯定不是.
    看第3个JS:
    在这里插入图片描述显然就是我们要找的:
    javascript function p(t) { if (!t.commonHeaders) return t; var e = o.value , n = CryptoJS.SHA256(e + "fTN2pfuisxTavbTuYVSsNJHetwq5bJvCQkjjtiLM2dCratiA" + e).toString(CryptoJS.enc.Hex).toUpperCase(); return Object.assign(t.headers, { "x-wif-nonce": "QkjjtiLM2dCratiA", "x-wif-paasid": "smt-application", "x-wif-signature": n, "x-wif-timestamp": e }), t }
    x-wif-nonce和x-wif-paasid是固定值,分别是:“QkjjtiLM2dCratiA"和"smt-application”
    x-wif-signature和x-wif-timestamp是一个对象n,e,可以在这里下一个断点,查看他们:
    在这里插入图片描述

    e是一个时间戳
    n是SHA(e+"fTN2pfuisxTavbTuYVSsNJHetwq5bJvCQkjjtiLM2dCratiA" + e)
    

    这里再进一步验证SHA256是否是标准算法,上图紫框是网页算出来的字串:
    在这里插入图片描述
    可见这里使用的是标准SHA256算法.
    5.2搜索timestampHeader
    在<网络>里搜索timestampHeader
    在这里插入图片描述

    timestampHeader为时间戳
    signatureHeader是SHA(timestampHeader+'23y0ufFl5YxIyGrI8hWRUZmKkvtSjLQA'+'123456789abcdefg'+timestampHeader)
    

编写代码

1.爬虫代码

import hashlib
import os
import requests
import time
import sys
import json
import csv

#显示某等级地区的小计
def show_level_count(x_list):
    j=0
    for i in range(len(x_list)):
        j+=len (x_list[i]["communitys"])
    print(j)
    return j

def writer_to_csv(risk_txt):
    risk_json = json.loads(risk_txt)
    
    so_far_time = risk_json["data"]["end_update_time"]
    
    highlist = risk_json["data"]["highlist"]
    middlelist = risk_json["data"]["middlelist"]
    lowlist = risk_json["data"]["lowlist"]
    
    encoding='utf-8'
    encoding='gbk'
    f = open('risk_data_' + so_far_time + '.csv','w', encoding=encoding,newline='')
    csv_writer = csv.writer(f)
    
    level_dict={}    
    level_dict["高风险"]=highlist
    level_dict["中风险"]=middlelist
    level_dict["低风险"]=lowlist

  
    for level in  level_dict.keys():
        risk_level = level
        for i in range(len(level_dict[level])):
            province = level_dict[level][i]["province"]
            city = level_dict[level][i]["city"]
            county = level_dict[level][i]["county"]
            for j in range(len(level_dict[level][i]["communitys"])):
                csv_writer.writerow(
                    [risk_level, province, city, county, level_dict[level][i]["communitys"][j]])
    # write_to_csv_file(csv_writer, highlist, "高风险")
    # write_to_csv_file(csv_writer, middlelist, "中风险")
    # write_to_csv_file(csv_writer, lowlist, "低风险")
    f.close()
    
    print("写入risk_data.csv完成.")

def get_risk_area_data():
    timestamp = str(int(time.time()))
    # timestamp = '1662646358'

    x_wif_timestamp = timestamp
    timestampHeader = timestamp

    x_wif_nonce = 'QkjjtiLM2dCratiA'
    x_wif_paasid = 'smt-application'

    x_wif_signature_str = timestamp + \
        'fTN2pfuisxTavbTuYVSsNJHetwq5bJvCQkjjtiLM2dCratiA'+timestamp
    x_wif_signature = hashlib.sha256(
        x_wif_signature_str.encode('utf-8')).hexdigest().upper()

    signatureHeader_str = timestamp + \
        '23y0ufFl5YxIyGrI8hWRUZmKkvtSjLQA'+'123456789abcdefg'+timestamp
    signatureHeader = hashlib.sha256(
        signatureHeader_str.encode('utf-8')).hexdigest().upper()

    url = 'http://bmfw.www.gov.cn/bjww/interface/interfaceJson'

    headerss = {
        'Accept': "application/json, text/plain, */*",
        'Content-Type': "application/json;charset=utf-8",
        'x-wif-nonce': "QkjjtiLM2dCratiA",
        'x-wif-paasid': "smt-application",
        'x-wif-signature': x_wif_signature,
        'x-wif-timestamp': x_wif_timestamp,
    }

    From_data = "{\"key\":\"3C502C97ABDA40D0A60FBEE50FAAD1DA\",\
    \"appId\":\"NcApplication\",\"paasHeader\":\"zdww\",\
    \"timestampHeader\":\"" + timestampHeader + "\",\
    \"nonceHeader\":\"123456789abcdefg\",\"signatureHeader\":\"" + signatureHeader + "\"}"
    # print(From_data)

    response = requests.post(url=url, data=From_data, headers=headerss)
    if not response.status_code == 200:
        # print(response.status_code)
        return "", response.status_code

    # print(response.text)    
    return response.text.replace('\u2022', ''), response.status_code


if __name__ == '__main__':
    risk_data=get_risk_area_data()
    if risk_data[1]==200:    
        with open('./risk_data.json', 'w',encoding='utf-8') as f:
            f.write(risk_data[0])
        print("写入risk_data.log完成.")

    f = open('risk_data.json', 'r', encoding='utf-8')
    risk_txt = f.read()
    f.close()

    writer_to_csv(risk_txt)
    
    print('全部程序完成,请勿频繁使用!')
    os.system('pause')    
  Python知识库 最新文章
Python中String模块
【Python】 14-CVS文件操作
python的panda库读写文件
使用Nordic的nrf52840实现蓝牙DFU过程
【Python学习记录】numpy数组用法整理
Python学习笔记
python字符串和列表
python如何从txt文件中解析出有效的数据
Python编程从入门到实践自学/3.1-3.2
python变量
上一篇文章      下一篇文章      查看所有文章
加:2022-09-13 11:10:10  更:2022-09-13 11:10:53 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年12日历 -2024/12/26 14:13:00-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码
数据统计