SPA:python爬取區塊鏈瀏覽器上的交易列表數據_ODY幣

前言

2022年6月3日端午節安康。

今天主要分享如何利用爬蟲爬取區塊鏈瀏覽器上的交易列表數據。

原因

dune上沒有bsc鏈上的轉賬明細數據表。FootprintAnalytics上現有的bsc_transactions表transfer_type粒度不夠。

環境

python3.7

數據存儲：mysql5.7

緩存：redis6.2.6

開發工具：pycharm

思路

所有協議、合約、swap地址轉賬信息全爬不太實際，對存儲要求比較高。所以針對需要分析的協議，專門去爬取對應智能合約轉賬是個不錯的選擇。

區塊鏈瀏覽器肯定是有反爬機制的。所以在代理選擇上，要選擇國外的代理。國內的代理都訪問不到，具體原因你懂的。本文中不涉及代理部分，因為國外的代理廠家之前沒有了解過。不過即使是上代理，對代碼層面改動也比較小

采用了urllib同步請求+范圍內隨機時長程序休眠。減少了被風控的概率。但是也降低了爬蟲的效率。

后面再研究用scrapy或異步請求

同步：請求發送后，需要接受到返回的消息后，才進行下一次發送。異步：不需要等接收到返回的消息。

實現

Starknet生態錢包Argent宣布推出Starknet xplorer奧德賽活動:5月3日消息，Starknet 生態錢包 Argent 在社交媒體上發文表示，每個人都知道 Starknet 即將到來，參與的最佳機會是盡早與 dapps 互動，為此 Argent 推出 Starknet xplorer 活動，未來 8 周內將為滿足條件的用戶發布 8 個 NFT 獎勵。[2023/5/3 14:39:55]

找到需要爬取合約的具體地址：

第一頁

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

第二頁

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

第三頁

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

....

可以知道p=？就代表頁數。

然后F12點擊“網絡”，刷新界面，查看網絡請求信息。

主要查看，網頁上顯示的數據，是哪個文件響應的。以什么方式響應的，請求方法是什么

交易所的ETH提款數量創近22個月新低:金色財經報道，Glassnode數據顯示，交易所的ETH提款數量在過去的一小時（7日均值）為2,097.13枚，創近22個月新低。[2022/12/28 22:11:42]

如何驗證呢，就是找一個txn_hash在響應的數據里面按ctrl+f去搜索，搜索到了說明肯定是這個文件返回的。

查看響應的數據，是html的格式。在python里面，處理html數據，個人常用的是xpath

在python里面安裝相關的依賴

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

同時在瀏覽器上安裝xpath插件，它能更好的幫助我們獲到網頁中元素的位置

XPathHelper-Chrome網上應用店(google.com)

RSS3將幫助Arweave實現Instagram中NFT信息的跨平臺展示:11月3日消息，據Meta官方推特宣布，Instagram將上線支持Polygon上NFT信息展示的新功能。該功能由Arweave提供支持，RSS3宣布已經針對該功能的支持者Arweave開始相關適配工作。完成適配后，NFT信息將可實現跨社交平臺展示。[2022/11/3 12:12:33]

然后就可以通過插件去定位了，返回的結果是list

**注：**瀏覽器看到的網頁都是瀏覽器幫我們渲染好的。存在在瀏覽器中能定位到數據，但是代碼中取不到值的情況，這時候可以通過鼠標右鍵-查看網頁源碼，然后搜索實現

#?請求和xpath定位具體實現代碼：

def?start_spider(page_number):

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

/txs?a=0xbd3bd95529e0784ad973fd14928eedf3678cfad8&'

PUMA在紐約時裝周推出元宇宙運動鞋和NFT:金色財經報道，運動服飾品牌PUMA在紐約時裝周推出了其首個元宇宙體驗。?這個名為“?Black Station?”的3D元宇宙網站將展示未來的 NFT 項目，為消費者提供通過身臨其境的在線體驗與品牌互動的新機會。從9月13日起，用于兌換限量版實體運動鞋的獨家NFT將作為PUMA紐約時裝展FUTROGRADE的一部分提供。

通過在紐約時裝周上推出Black Station，這一戰略定位表明該品牌希望與時尚前衛和精通數字技術的消費者群體接觸。此外，將其設計成一個沉浸式的Web3場地，使PUMA能夠以數字方式與客戶進行更多接觸，從而促進社區參與，并通過元宇宙開辟新的收入來源。[2022/9/8 13:17:25]

????#?請求頭

????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'

????}

美國財政部將Tornado Cash列入黑名單，禁止美國公民使用:8月8日消息，美國財政部海外資產控制辦公室（OFAC）將TornadoCash納入制裁名單（SDN），包括其網站以及多個以太坊和USDC錢包地址。所有美國個人和實體都被禁止與TornadoCash或任何與該協議綁定的以太坊錢包地址進行交互。（CoinDesk）[2022/8/8 12:10:22]

????#?需要傳入的參數

????data?=?{

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

????}

????#?將參數轉為Unicode編碼格式

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

????#?拼接網址

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

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

????#?自定義request對象

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

????#?模擬瀏覽器發送請求

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

????#?將返回的數據利用lxml轉為

????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，對txn_hash去重，去重的原因是防止一條數據被爬到了多次

def?add_txn_hash_to_redis(txn_hash):

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

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

????#?如果返回0，這說明插入不成功，表示有重復

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

????????return?False

????else:

????????return?True

#?將mmsi進行哈希，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()

最后一個需要考慮的問題：交易是在增量了，也就是說，當前第二頁的數據，很可能過會就到第三頁去了。對此我的策略是不管頁數的變動。一直往下爬。全量爬完了，再從第一頁爬新增加的交易。直到遇到第一次全量爬取的txn_hash

最后就是存入到數據庫了。這個沒啥好說的。

以上就可以拿到轉賬列表中的txn_hash，后面還要寫一個爬蟲深入列表里面，通過txn_hash去爬取詳情頁面的信息。這個就下個文章再說，代碼還沒寫完。

今天就寫到這里。拜拜ヾ(?ω?`)o

來源：Bress

作者：撒酒狂歌

來源：金色財經

Tags：ASHODYSPAPANReality Clash CoinODY幣Space Pig CoinEPAN幣

火幣交易所