ODY:python爬取区块链浏览器上的交易列表数据

前言

2022年6月3日端午节安康。

今天主要分享如何利用爬虫爬取区块链浏览器上的交易列表数据。

原因

dune上没有bsc链上的转账明细数据表。FootprintAnalytics上现有的bsc_transactions表transfer_type粒度不够。

环境

python3.7

数据存储：mysql5.7

缓存：redis6.2.6

开发工具：pycharm

思路

所有协议、合约、swap地址转账信息全爬不太实际，对存储要求比较高。所以针对需要分析的协议，专门去爬取对应智能合约转账是个不错的选择。

区块链浏览器肯定是有反爬机制的。所以在代理选择上，要选择国外的代理。国内的代理都访问不到，具体原因你懂的。本文中不涉及代理部分，因为国外的代理厂家之前没有了解过。不过即使是上代理，对代码层面改动也比较小

采用了urllib同步请求+范围内随机时长程序休眠。减少了被风控的概率。但是也降低了爬虫的效率。

后面再研究用scrapy或异步请求

同步：请求发送后，需要接受到返回的消息后，才进行下一次发送。异步：不需要等接收到返回的消息。

实现

找到需要爬取合约的具体地址：

Algorand NFT市场Rand Gallery收购数据聚合器NFTExplorer:金色财经报道，Algorand NFT市场Rand Gallery收购数据聚合器NFT Explorer，具体交易条款未披露，但Rand Gallery表示低于去年的收购交易金额，并表示正在结束其种子轮融资以资助收购。

金色财经此前报道，去年8月Distributed Finance宣布已收购Algorand上NFT市场Rand Gallery。（TheBlock）[2023/2/16 12:09:54]

第一页

http://bscscan.com/txs?a=0xbd3bd95529e0784ad973fd14928eedf3678cfad8

第二页

https://bscscan.com/txs?a=0xbd3bd95529e0784ad973fd14928eedf3678cfad8&p=2

第三页

https://bscscan.com/txs?a=0xbd3bd95529e0784ad973fd14928eedf3678cfad8&p=3

....

可以知道p=？就代表页数。

然后F12点击“网络”，刷新界面，查看网络请求信息。

主要查看，网页上显示的数据，是哪个文件响应的。以什么方式响应的，请求方法是什么

美联储威廉姆斯：美联储加息幅度可能超过FOMC的终端利率预期:金色财经报道，美联储威廉姆斯表示，美联储的政策进展顺利。不需要超过6%的联邦基金利率。美联储比欧洲央行更接近结束加息，美联储加息幅度可能超过FOMC的终端利率预期，美国没有陷入衰退，不认为它会陷入衰退。[2022/12/17 21:49:47]

如何验证呢，就是找一个txn_hash在响应的数据里面按ctrl+f去搜索，搜索到了说明肯定是这个文件返回的。

查看响应的数据，是html的格式。在python里面，处理html数据，个人常用的是xpath

在python里面安装相关的依赖

pip?install?lxml?‐i?https://pypi.douban.com/simple

Moonbirds系列NFT近24小时交易额涨幅达365.20%:金色财经报道，据NFTGo最新数据显示，Moonbirds系列NFT过去24小时的交易额为2,136,827.46美元，增长率为365.20%。截至发稿时，NFTGo数据显示Moonbirds地板价为13ETH，24小时跌幅为17.72%。[2022/8/31 12:59:21]

同时在浏览器上安装xpath插件，它能更好的帮助我们获到网页中元素的位置

XPathHelper-Chrome网上应用店(google.com)

然后就可以通过插件去定位了，返回的结果是list

**注：**浏览器看到的网页都是浏览器帮我们渲染好的。存在在浏览器中能定位到数据，但是代码中取不到值的情况，这时候可以通过鼠标右键-查看网页源码，然后搜索实现

#?请求和xpath定位具体实现代码：

def?start_spider(page_number):

《富爸爸穷爸爸》作者：正在等待时机以现金买入比特币:7月15日消息，畅销书《富爸爸穷爸爸》作者罗伯特·清崎（Robert Kiyosaki）在近日接受采访中表示，资产价格正在暴跌，他正等待以现金头寸买入包括比特币在内的特价商品。

罗伯特·清崎于 2021 年表示，随着通货膨胀的升级，他将购买更多的黄金、白银、比特币、以太坊、租赁房地产和石油，并预测美国正在陷入衰退。[2022/7/15 2:14:48]

????url_base?=?'http://bscscan.com

/txs?a=0xbd3bd95529e0784ad973fd14928eedf3678cfad8&'

????#?请求头

????headers?=?{

????????'User-Agent':?'Mozilla/5.0?(Windows?NT?10.0;?Win64;?x64)?AppleWebKit/537.36?(KHTML,?like?Gecko)?Chrome/92.0.4515.159?Safari/537.36',

????????'referer':?'https://bscscan.com/txs?a=0xbd3bd95529e0784ad973fd14928eedf3678cfad8'

????}

????#?需要传入的参数

????data?=?{

映客在湖南成立映宇宙科技公司:5月29日消息，天眼查App显示，湖南映宇宙科技有限公司成立，法定代表人连凤，注册资本200万人民币，经营范围包括数字内容制作服务；工艺美术品及收藏品零售；互联网销售；数据处理和存储支持服务；艺（美）术品、收藏品鉴定评估服务；文艺创作；组织文化艺术交流活动等。股东信息显示，该公司由湖南映客互娱网络信息有限公司100%持股。[2022/5/29 3:48:07]

????????'p':?page_number

????}

????#?将参数转为Unicode编码格式

????unicode_data?=?urllib.parse.urlencode(data)

????#?拼接网址

????#?http://bscscan.com/txs?a=0xbd3bd95529e0784ad973fd14928eedf3678cfad8

????url?=?url_base?+?unicode_data

????#?自定义request对象

????request?=?urllib.request.Request(url=url,?headers=headers)

????#?模拟浏览器发送请求

????response?=?urllib.request.urlopen(request)

????#?将返回的数据利用lxml转为

????tree?=?etree.HTML(response.read().decode('utf‐8'))

????#?//div//tbody//td//span/a/text()

????txn_hash_list?=?tree.xpath("//div//tbody//td//span/a/text()")

????#?//div//tbody//td//span/text()

????method_list?=?tree.xpath(

????????"//div//tbody//td//span/text()")

????#?//div//tbody//td//text()

????block_list?=?tree.xpath("//div//tbody//td//text()")

????#?//div//tbody//td/span/@title

????age_list?=?tree.xpath("//div//tbody//td/span/@title")

????#?//div//tbody//td/span/@title

????from_list?=?tree.xpath(

????????"//div//tbody//td/span/@title")

????#?//div//tbody//td/span/text()

????transfer_type_list?=?tree.xpath("//div//tbody//td/span/text()")

????#?//div//tbody//td/span/span//text()

????to_list?=?tree.xpath("//div//tbody//td/span/span//text()")

????#?//div//tbody//td/span/text()

????transfer_free_list?=?tree.xpath(

????????"//div//tbody//td/span/text()")

然后就是利用redis，对txn_hash去重，去重的原因是防止一条数据被爬到了多次

def?add_txn_hash_to_redis(txn_hash):

????red?=?redis.Redis(host='根据你自己的配置',?port=6379,?db=0)

????res?=?red.sadd('txn_hash:txn_set',?get_md5(txn_hash))

????#?如果返回0，这说明插入不成功，表示有重复

????if?res?==?0:

????????return?False

????else:

????????return?True

#?将mmsi进行哈希，用哈希去重更快

def?get_md5(txn_hash):

????md5?=?hashlib.md5()

????md5.update(txn_hash.encode('utf-8'))

????return?md5.hexdigest()

最后一个需要考虑的问题：交易是在增量了，也就是说，当前第二页的数据，很可能过会就到第三页去了。对此我的策略是不管页数的变动。一直往下爬。全量爬完了，再从第一页爬新增加的交易。直到遇到第一次全量爬取的txn_hash

最后就是存入到数据库了。这个没啥好说的。

以上就可以拿到转账列表中的txn_hash，后面还要写一个爬虫深入列表里面，通过txn_hash去爬取详情页面的信息。这个就下个文章再说，代码还没写完。

今天就写到这里。拜拜ヾ(?ω?`)o

来源：Bress

作者：撒酒狂歌

来源：金色财经

标签：ODYPANSPADIVOdysseyWalletpando币局SPADDIVS

fil币价格今日行情热门资讯