Python爬虫：爬取华为应用市场全部app信息

先不着急写程序，先对网站进行分析

目标网址为：https://appgallery.huawei.com/#/Apps

站在用户的角度思考问题，与客户深入沟通，找到普兰店网站设计与普兰店网站推广的解决方案，凭借多年的经验，让设计与互联网技术结合，创造个性化、用户体验好的作品，建站类型包括：成都网站建设、成都网站设计、企业官网、英文网站、手机端网站、网站推广、域名与空间、雅安服务器托管、企业邮箱。业务覆盖普兰店地区。

抓取目标为：app名称包名和开发公司名

F12检查发现为动态加载

检查完发现为动态加载get请求设置params循环获取全部数据代码如下：

url = 'https://web-drcn.hispace.dbankcloud.cn/uowap/index'
headers = {
'你的': 'ua',
'你的': '防盗链'

}

for c in range(1,17):
param = {
'method': 'internal.getTabDetail',
'serviceType': 20,
'reqPageNum': {c},
'uri': f'{d}',
'maxResults': 25,
'zone': '',
'locale': 'zh'
}

所有数据都拿到接下来就是提取过程

此时我们发现此时的数据中并没有开发公司的名称需要点击app跳转后在动态加载中才找到，所以我们需要继续分析跳转页面

数据已经找到对url进行分析后发现在挂载内容里只多了个appid 而appid在上一个页面中可以提取到，所以我们只需要进行拼接url即可

代码如下：

url1 = 'https://web-drcn.hispace.dbankcloud.cn/uowap/index'
headers1 = {
'你的': 'ua',
'你的': '防盗链'
}
param1 = {
'method': 'internal.getTabDetail',
'serviceType': 20,
'reqPageNum': 1,
'maxResults': 25,
'uri': f'app|{appid}',
'shareTo': '',
'currentUrl': f'https%3A%2F%2Fappgallery.huawei.com%2F%23%2Fapp%2F{appid}',
'accessId': '',
'appid': f'{appid}',
'zone': '',
'locale': 'zh'
}
此时完整一页的数据已经可以获取到但是其他分类并没有获取到

点击后我们发现只有挂载中的uri不同而uri再上一页也能获取到那这就好办了继续构造url然后请求即可

我用了一个笨方法逐一点击手动建个列表将所有的url保存然后进行循环

uid = [
    '33ef450cbaca477cfa78db4cf8c','8e62cf6d238c4abdb892b400ff072f43','79bd417da03dc0c7c2ef8f2c96','de6a7524d4afbc9bbe8b',
    'add14dda8b7ee8a20be03aad','07ea01ced5630aa460d48','c946b166e7c34dcab8a8960bf6979dd3','bc4143d0aaff0ef32',
    'cea64f5db8a90bca7bcf68fd','e3bebc44eea038eabfc70','4d5e752fde6c4bae','a4a9585f4f4c05dc1e',
    '2d2b18fb9db71d1ec30b257f1e','7e0ca4bbaa836fa8c0ba','aa8942b797d3d5ddf6bb1b48','d6566cab36cc6a12fa1e2cd',
    '1f316fc0f169e7aed05c4','5e4425e03ae44a87a5293dc2d9ebcfde','3ae307aff6cf3f9c242f18fd85','3e28ce473c9f4990d78d',
    'ee252e5eb17d5bbee7ab08a5','bc8c9344cd2bef8fc9aee'
       ]
保存的数据 这里只提取了三个 需要的话课追加 只需要在提取代码处增加即可

最后为整体的代码实现:

import requests
import time
import csv

uid = [
    '33ef450cbaca477cfa78db4cf8c','8e62cf6d238c4abdb892b400ff072f43','79bd417da03dc0c7c2ef8f2c96','de6a7524d4afbc9bbe8b',
    'add14dda8b7ee8a20be03aad','07ea01ced5630aa460d48','c946b166e7c34dcab8a8960bf6979dd3','bc4143d0aaff0ef32',
    'cea64f5db8a90bca7bcf68fd','e3bebc44eea038eabfc70','4d5e752fde6c4bae','a4a9585f4f4c05dc1e',
    '2d2b18fb9db71d1ec30b257f1e','7e0ca4bbaa836fa8c0ba','aa8942b797d3d5ddf6bb1b48','d6566cab36cc6a12fa1e2cd',
    '1f316fc0f169e7aed05c4','5e4425e03ae44a87a5293dc2d9ebcfde','3ae307aff6cf3f9c242f18fd85','3e28ce473c9f4990d78d',
    'ee252e5eb17d5bbee7ab08a5','bc8c9344cd2bef8fc9aee'
       ]
with open('华为应用市场.csv', 'a', encoding='utf-8', newline='') as f:
    csv_writer = csv.writer(f)
    csv_writer.writerow(['app名称', '应用包名', '开发名称'])
for d in uid:
    url = 'https://web-drcn.hispace.dbankcloud.cn/uowap/index'
    headers = {
        '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',
        'Referer': 'https://appgallery.huawei.com/'

    }

    for c in range(1,16):
        param = {
            'method': 'internal.getTabDetail',
            'serviceType': 20,
            'reqPageNum': {c},
            'uri': f'{d}',
            'maxResults': 25,
            'zone': '',
            'locale': 'zh'
        }

        re = requests.get(url=url,headers=headers,params=param).json()
        tiqu = re['layoutData']
        for a in tiqu:
            bms = a['dataList'][0:]
            for bm in bms:
                baoming = bm['package']
                appid = bm['appid']
                name = bm['name']
                id = bm['logSource']
                # print(baoming)
                url1 = 'https://web-drcn.hispace.dbankcloud.cn/uowap/index'
                headers1 = {
                    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/103.0.5060.66 Safari/537.36 Edg/103.0.1264.44',
                    'Referer': 'https://appgallery.huawei.com/'
                }
                param1 = {
                    'method': 'internal.getTabDetail',
                    'serviceType': 20,
                    'reqPageNum': 1,
                    'maxResults': 25,
                    'uri': f'app|{appid}',
                    'shareTo': '',
                    'currentUrl': f'https%3A%2F%2Fappgallery.huawei.com%2F%23%2Fapp%2F{appid}',
                    'accessId': '',
                    'appid': f'{appid}',
                    'zone': '',
                    'locale': 'zh'
                }
                re1 = requests.get(url=url1, headers=headers1, params=param1).json()
                # print(re1)
                # dataList > developer
                tiqu = re1['layoutData'][3]
                tiqu1 = tiqu['dataList'][0]
                kaifa = tiqu1['developer']
                # print(kaifa)
                with open('华为应用市场.csv', 'a', encoding='utf-8', newline='') as f:
                    csv_writer = csv.writer(f)
                    csv_writer.writerow([name,baoming,kaifa])
                print(name+'保存完成')
        time.sleep(2)

网站标题：Python爬虫：爬取华为应用市场全部app信息
网站链接：http://mswzjz.cn/article/dsoggss.html

网站建设知识

Python爬虫：爬取华为应用市场全部app信息

先不着急写程序，先对网站进行分析

其他资讯