- 浏览: 361874 次
- 性别:
- 来自: 深圳
文章分类
- 全部博客 (159)
- java world (63)
- php (12)
- ruby/python (0)
- web front (5)
- linux (4)
- db (1)
- 创业 (1)
- 生活 (13)
- 工作 (5)
- web (3)
- js uploader (1)
- java web (1)
- groovy (11)
- groovy sql (1)
- groovy swingbuilder (0)
- groovy antbuilder (1)
- json jquery (1)
- dom html (1)
- java punit (1)
- websql (1)
- 移动 (2)
- angularjs (2)
- 团购 java groovy (1)
- groovy watch dog (1)
- web karma seajs (1)
- angularjs primeui (1)
- groovy http test (1)
- golang (1)
- gradle (1)
- groovy linux (1)
最新评论
-
tongfan:
有能跑起来的demo么?? 按照你的思路 和代码 做的de ...
通过bean parser实现spring scan groovy文件装载bean -
zhangyuxidd:
谢谢分享,好东西
下载了人家的数据——中国行政区编码(电话,区号等),分享一下 -
逍遥道人:
谢谢博主的慷慨分享,谢谢!
下载了人家的数据——中国行政区编码(电话,区号等),分享一下 -
noyce520:
给这种精神 赞一个。csdn老要分,,烦死了
下载了人家的数据——中国行政区编码(电话,区号等),分享一下 -
wwwqqeew:
LoveStart 写道
纯js实现浏览器图片选择预览、旋转、批量上传
RT——在大家做网站或GUI的业余时间,可能你会碰到这样的需求——
1. 为了推广,有目的地爬一些邮件,群发广告;
2. 做一个博客管理软件,同时管理新浪、网易、搜狐的个人博客;
3. 淘宝商家在推广一个新宝贝时候,根据关键词的热度对它进行标签标示;
4. 朋友参与一个网络投票活动,可能帮他刷点票;
5. 。。。。。
等等,这些东东,所谓“网络应用”乍一看没什么技术含量,当你通过网络得知“某一款淘宝客工具有近万用户,每个用户每月都要支付***”,一款商务快车(制造网络垃圾)的东东是那么地受推崇——你或许会感叹一声,现在的web啊。。。
Well,言归正传,要解决类似的需求,我抛个砖,大家可以拍砖,当然更欢迎补充——
1. 准备好你的Tools Box:
喜欢Web Spider的,去open-open.com上找几个热门的,通过文档学习这些东东偶就不累述了;
寻找一个自己熟悉的脚本语言(灵活点在这里好处你会慢慢发现的)——推荐PHP Ruby/Python——如果你和我一样有点少数人倾向,Groovy/Scala也不错;
浏览器的辅助,这个在一些复杂的http交互环境中更显得重要——推荐Firefox的HttpFox,还有就是Chrome自带的js调试面板和Network面板;
2. 编程语言上的工具:
这些需求好多都是在模拟Http请求,所以一个Http Client之类的库是不可少的——有的童鞋会想到HttpUnit(Java)的可以直接提供模拟浏览器文档模型和事件驱动,但当你用过你就知道,开源的js库能做到跨浏览器的还真不多。。。
更好的封装——CURL工具或Restful Client之类的库,这个看个人喜好,自己通过文档一样可以在HttpClient上弄出比如权限认证之类的。。。
和具体需求相关的一些专用工具或网络资源——比如Sina Weibo SDK,TaobaoClient等,一些代理IP列表。。。
3. 一个好的文本编辑器——你可以称它为一个IDE,但是对于脚本来说,像Eclipse/NetBeans/VS之类的,不如EditPlus Vim Notepad++ MadEdit Geany UltraEdit来的方便——别说你还没能熟练地运用其中的一款,恭喜你,你作为一个Coder还有很大的提升空间(题外话)——但当你真正熟悉其中一个时,你会爱死他的。。。
我以前的博客写过一些关于网络抓取、代理投票、门户网站登录发博等文章了,总得来说,其内容零零散散,代码也片片的,下面我以最近的一个淘宝上的需求为例说明下具体解决过程——
1. 需求:作为一个卖家,获取所有的会员信息记录和交易记录,从中分析出Email和手机号,然后进行邮件群发和短信群发以作推广。
2. 背景:如果你没接触过淘宝卖家的那些后台功能,没关系,我简单说下——Taobao提供的SDK中Email\手机号在API文档里是搞不出来的。Taotao提供一个发站内信和Email的工具,价格好像每封2分,如果会员有10000个,这个功能如果自己能搞了,可以省下200快钱呢!而且Taobao发站内信还做了时间间隔的限制(一段时间内至多发几次)
3. 思路:模拟登陆,模拟请求获取源码,然后分析——太俗套了,本质上还是Spider,哈哈,BS下自己。。。
4. 过程:我只提几个——
Taobao的用户密码:一般这帮网站都会用一堆加了密的Js对密码再进行加密然后再提交的,这个时候HttpFox就很有帮助了,具体使用有个小技巧——在Post Data里Copy All Rows然后再用正则替换下,就成了一个标准的请求参数Map了——别真一个个手工去敲;还有就是好多Form都有Token;
5. 参考:http://www.iteye.com/topic/593801
6. 代码(进行修改和整合的)——如果你想用多个类,更职责分明或更优美一点的话,一点都不是什么难事儿。
package app import groovy.sql.Sql import org.apache.http.HttpEntity import org.apache.http.HttpResponse import org.apache.http.client.ClientProtocolException import org.apache.http.client.HttpClient import org.apache.http.params.HttpProtocolParams import org.apache.http.client.methods.* import org.apache.http.impl.client.DefaultHttpClient import org.apache.http.entity.StringEntity import org.apache.http.util.EntityUtils import org.apache.http.client.entity.UrlEncodedFormEntity import org.apache.http.NameValuePair import org.apache.http.message.BasicNameValuePair def static String parseResp(HttpEntity respEntity){ String encoding = 'gbk' StringBuffer sb = new StringBuffer() BufferedReader reader = new BufferedReader( new InputStreamReader(respEntity.getContent(), encoding)) String line = null while ((line = reader.readLine()) != null) { sb.append(line) sb.append("\n") } return sb.toString() } def static String get(HttpClient httpclient, String host, String targetURL){ HttpGet gg = new HttpGet(host) gg.setURI(new URI(targetURL)) HttpResponse response = httpclient.execute(gg) HttpEntity respEntity = response.getEntity() String rr = parseResp(respEntity) if (respEntity != null) { respEntity.consumeContent() } return rr } def static String post(HttpClient httpclient, String targetURL, Map paramList){ String urlEncoding = 'gbk' HttpPost httppost = new HttpPost(targetURL) List<NameValuePair> nvps = new ArrayList<NameValuePair>() if(paramList){ paramList.each{k, v -> nvps.add(new BasicNameValuePair(k, v)) } } httppost.setEntity(new UrlEncodedFormEntity(nvps, urlEncoding)) HttpResponse response = httpclient.execute(httppost) HttpEntity respEntity = response.getEntity() String rr = parseResp(respEntity) if (respEntity != null) { respEntity.consumeContent() } return rr } // ****************************** String host = 'https://login.taobao.com/' // TODO String uu = '你的账户名' String seller_id = '你的卖家ID' // 这个通过HttpWatch看下就知道 // 这2个通过HttpWatch看下就知道 String pp = 'XXX' // 加过密的密码 String xxtid = 'XOR_1_000000000000000000000000000000_63584557457974767E740B7F' // tid // 表示全局的一个表单token String token = '' // 一共就一个实例 HttpClient httpclient = new DefaultHttpClient() // 如果不想把数据保存到数据库,这里也没什么事儿了 Map p = [ url:'jdbc:h2:~/h2-data/taobao_member', u:'u', p:'p', driver:'org.h2.Driver' ] Sql db = Sql.newInstance(p.url, p.u, p.p, p.driver) // 取得登陆token String r1 = get(httpclient, host, 'https://login.taobao.com/member/login.jhtml') (r1 =~ /_tb_token_' type='hidden' value='([^']+)'/).each{ token = it[1] } // 登陆Post的表单参数 Map params = [ TPL_username:uu, TPL_password:pp, TPL_redirect_url:'', tid:xxtid, _tb_token_:token, action:'Authenticator', event_submit_do_login:'anything', from:'tb', fc:'2', style:'default', support:'000001', CtrlVersion:'1,0,0,7', loginType:'4', minititle:'', minipara:'', pstrong:'', longLogin:'-1', llnick:'', sign:'', need_sign:'', isIgnore:'', popid:'', callback:'', guf:'', not_duplite_str:'', need_user_id:'', poy:'', gvfdcname:'10', from_encoding:'' ] // 登陆 post(httpclient, 'https://login.taobao.com/member/login.jhtml', params) // 根据会员关系管理的会员列表获取会员信息 //String rr = get(httpclient, host, 'http://ecrm.taobao.com/member/member_list.htm') //(rr =~ /_tb_token_' type='hidden' value='([^']+)'/).each{ // token = it[1] //} // //Map params_member_ll = [ // _tb_token_: token, // page: '1', // sellerId: seller_id, // buyerId: '', // maxAmount: '0', // minAmount: '0', // maxCount: '0', // minCount: '0', // memberInfo: '', // buyerNick: '', // relation: '0', // minTradeCount: '', // maxTradeCount: '', // minTradeAmount: '', // maxTradeAmount: '', // startTradeTime: '', // endTradeTime: '', // status: '0' //] // //int max_page = 100 //(1..max_page).each{ // List member_ll = [] // // params_member_ll.page = it + '' // String rr2 = post(httpclient, 'http://ecrm.taobao.com/member/member_list.htm', params_member_ll) // // // <a href="http://ecrm.taobao.com/member/member_detail.htm?seller_id=&buyer_id=372068812&status=1">837821089_88</a> // (rr2 =~ /<a href="(http:\/\/ecrm\.taobao\.com\/member\/member_detail\.htm\?seller_id=(\d+)&buyer_id=(\d+)&status=\d)">([^<]+)<\/a>/).each{ // Map item = [:] // item.url = it[1].replaceAll(/&/, '&') // item.seller_id = it[2] // item.buyer_id = it[3] // item.nick = it[4] // // member_ll << item // } // // member_ll.each{ // String dd = get(httpclient, host, it.url) // (dd =~ /买家姓名:<\/th>[^<]+<td>([^<]+)<\/td>/).each{gg -> // it.name = gg[1] // } // (dd =~ /买家性别:<\/th>[^<]+<td>([^<]+)<\/td>/).each{gg -> // it.gender = gg[1].trim() // } // (dd =~ /买家生日:<\/th>[^<]+<td>([^<]+)<\/td>/).each{gg -> // it.birth = gg[1] // } // (dd =~ /交易量(笔):<\/th>[^<]+<td>([^<]+)<\/td>/).each{gg -> // it.transf_num = gg[1] // } // (dd =~ /交易额(元):<\/th>[^<]+<td>([^<]+)<\/td>/).each{gg -> // it.transf_amount = gg[1] // } // (dd =~ /省份:<\/th>[^<]+<td>([^<]+)<\/td>/).each{gg -> // it.prov = gg[1] // } // (dd =~ /城市:<\/th>[^<]+<td>([^<]+)<\/td>/).each{gg -> // it.prov = gg[1] // } // (dd =~ /城市:<\/th>[^<]+<td>([^<]+)<\/td>/).each{gg -> // it.city = gg[1] // } // (dd =~ /电子邮箱:<\/th>[^<]+<td>([^<]+)<\/td>/).each{gg -> // it.email = gg[1] // } // (dd =~ /b_red_(\d+)\.gif/).each{gg -> // it.credit = gg[1] // } // } // member_ll.each{ // List args = [it.buyer_id, it.nick, it.name, it.gender, // it.prov, it.city, it.email, it.credit] // db.executeInsert("insert into taobao_member(uid, nick, name, gender, " + // "prov, city, email, credit) values (?,?,?,?,?,?,?,?)", args) // // println 'Add ok for ' + it.nick // } //} // 根据成功交易获取 联系人 手机 和收货地址 Map trade_param_ll = [ event_submit_do_query:'1', user_type:'1', pageNum:'1', isArchive:'false', order:'desc', order_type:'orderList', isArchiveDefault:'0', isQueryMore:'false', select_shop_name:'', isOwnOfficialShop:'false', sellerNumID:seller_id, '_fmt.q._0.a':'', '_fmt.q._0.bi':'', '_fmt.q._0.biz':'00:00', '_fmt.q._0.bizo':'', '_fmt.q._0.bizor':'00:00', '_fmt.q._0.b':'', '_fmt.q._0.au':'SUCCESS', '_fmt.q._0.c':'ALL', '_fmt.q._0.bizord':'', '_fmt.q._0.l':'ALL', '_fmt.q._0.t':'ALL', '_fmt.q._0.sh':'All', action:'itemlist/QueryAction', fromTag:'true' ] // TODO 这个交易的是总页数 int max_page = 100 (1..max_page).each{ List member_ll = [] trade_param_ll.pageNum = it + '' String rr2 = post(httpclient, 'http://trade.taobao.com/trade/itemlist/list_sold_items.htm', trade_param_ll) // <a href="http://trade.taobao.com/trade/detail/trade_item_detail.htm?bizOrderId=45055548819742&his=false" class="detail-link" target="_blank">详情</a> (rr2 =~ /<a href="(http:\/\/trade\.taobao\.com\/trade\/detail\/trade_item_detail\.htm[^"]+)" class="detail-link" target="_blank">/).each{ Map item = [:] item.url = it[1] member_ll << item } member_ll.each{ String dd = get(httpclient, host, it.url) (dd =~ /收货地址:<\/th>[^<]+<td>([^<]+)<\/td>/).each{gg -> it.info = gg[1] } (dd =~ /<span class="nickname">([^<]+)<\/span>/).each{gg -> it.nick = gg[1] } } member_ll.each{ def item = db.firstRow("select id from taobao_member_trade where info = ?", [it.info]) if(item){ println 'Skip trade for ' + it.nick }else{ List args = [it.info, it.nick] db.executeUpdate("insert into taobao_member_trade(info, nick) values (?,?)", args) println 'Add trade ok for ' + it.nick } } } httpclient.getConnectionManager().shutdown()
发表评论
-
通过bean parser实现spring scan groovy文件装载bean
2016-04-28 10:54 1950Spring使用groovy作为bean,官方用了lang标 ... -
只是自己放东西以供下载。。。
2011-10-19 20:32 0-jar E:/Program/node/jstd/JsT ... -
动态语言+约定,剩下的只需要文件系统就够了
2011-09-02 09:54 186最近在工作中一直用jdk1 ... -
jdk6的httpserver小试
2011-07-28 17:04 1633网上一堆例子,个人做一个,有下载,可以用模板的小例子。(Gro ... -
热切推荐对groovy感兴趣看这位老兄的blog
2011-07-08 22:21 1361解除groovy有很久一段时间了,自认为对groovy还是蛮了 ... -
Jdk不同版本编译时候碰到BigDecimal执行错误
2011-07-02 23:46 2200如果不是工作环境遇到,我估计自己肯定不会碰到和去查这样的问题的 ... -
groovy做单元测试(包括对groovy/java测试),如何集成到你现有的java项目中去
2011-06-06 01:43 1515标题党—— 1. 至于如何用groovy写现有java ... -
分析下如何集成QQ登陆到你自己的网站上——Java平台
2011-05-31 19:34 6915目的:如题。。。 准备工作: 1.找一个现成的OAu ... -
发布一个项目——Increx
2011-04-21 18:17 291翻翻以前写的blog的Title, 1. ... -
用Groovy做基于web的自动crud,比你想象得要简单得多
2011-04-18 17:22 1514如果你只是玩过play!或grails里演示crud的demo ... -
Groovy不是这么用的(或者说不一定这么用就是最好的)
2011-04-12 15:46 0一次面试,聊技术涉及到groovy时候,他提到几个问题: ... -
Java求职者——想说服技术主管你这个Javaer比其他Javaer强,难啊
2011-03-31 15:46 500接到一面试电话—— 简单了解点java基础和we ... -
刚阿里电面——被深深的BS了
2011-03-29 14:20 3689RT—— 有好多问题或涉及到的知识点由于基础不牢固—— ... -
基于JQuery和Base的一个WebOS的雏形——配合基于Java的服务端
2011-03-29 00:31 2590有个很模糊的录像,大家感兴趣的,先看下。 自己最近写写 ... -
最近面试时候碰到的算法题目,自己写一下,顺便和大家交流下groovy的语法糖
2011-03-21 13:51 1420题目都比较简单——用什么语言写,都不是重点——笔试中我都是狂省 ... -
Groovy——上了一个当——把String当List用
2011-03-09 16:21 165String str = '20001010' printl ... -
GAE上用H2结合Groovy——外推荐下我自己写的GAE用的框架
2011-02-23 15:46 1010见附件。eclipse工程(需要google sdk的)。 ... -
对于基于java的小型web应用部署方式感到失望。。
2011-01-11 19:51 329总是离不开servlet container和一个http / ... -
利用永中Office实现Word/Excel/PPT PDF转换
2010-12-25 00:28 1001这个思路挺酷的么? 再加上FlexPaper,在互联网 ... -
自动投票——种种
2010-11-04 00:46 1178最近闲余时间做了一些功能——主角本来是php的curl ext ...
相关推荐
同时,作为淘宝开放平台TOP项目的唯一合作平台——阿里软件平台在其中也扮演着重要的角色,它将为开发者提供整套的淘宝API的附加服务:测试环境、技术咨询、产品上架、版本管理、收费策略、市场销售、产品评估等等。
高中生对于大数据发展的思考——我眼中的大数据 高中生对于大数据发展的思考——我眼中的大数据全文共2页,当前为第1页。 摘要:科技在发展,时代在进步。移动互联网技术的兴起将我们每个人与网络连接在一起而不可割...
爬虫python入门 ...数据分析——有哪些让你不得不服气的神逻辑?(知乎) 从《【何同学】我拍了一张600万人的合影...》弹幕分析中,获取到了什么? 如何用 Python 爬取微博评论,通过王某宏事件来手把手教学
…… 数据来源:中国科技财富2013年3-4月刊 上海推进大数据研究与发展三年行动计划(2013-2015年) 大数据市场分析全文共29页,当前为第5页。 国内IT企业的大数据计划 阿里巴巴:未来将是数据公司 阿里巴巴拥有最大...
3、⼤数据的重⼤事件 、⼤数据的重⼤事件 从2008年开始到⾄今事件⾮常多,⽆论国内还是国外,在此我只举⼀例 2012年7⽉,阿⾥巴巴的管理层设⽴⾸席数据官⼀职,并推出"聚⽯塔"数据分享平台,为淘宝天猫上的电商及...
一些成功进入到淘宝 开放平台聚石塔的商户,通过淘宝开放的限制接口,非法获利的暴力营销。对于卖家而言,派券方通过子账号授权进行派券,结果是部分卖家会员关系管理派券按钮 直接被小二关闭,部分聚石塔开放商家也...
基于selenium的淘宝爬虫系统——使用python编写弹框进行相关商品的数据爬取,模拟人为操作,躲避淘宝的反爬机制,获取商品数据信息
第五章、使用抓包分析技术获取Ajax动态请求数据实战 第六章、淘宝大型商品数据爬虫项目实战 第七章、腾讯视频评论爬虫项目实战 第八章、12306火车票抢票项目开发实战 第九章、Scrapy框架基础使用实战 第十章、Scrapy...
l 节点自检:是指对集群中每个IP所在ZK节点上的PATH: /YINSHI.MONITOR.ALIVE.CHECK 定期进行三次如下流程 : 节点连接 – 数据发布 – 修改通知 – 获取数据 – 数据对比, 在指定的延时内,三次流程均成功视为该节点...
有肉电商软件 一个功能强大的店铺运营工具,包含网店宝贝抓取,店铺复制,数据获取,抓取图片,一键好评制作阿里数据包,宝贝批量翻新,设置主图视频,无流量宝贝清理,批量定时上下架等众多优秀功能,是开店必备的...
Java数据压缩与传输实例,可以学习一下实例化套按字、得到文件输入流、压缩输入流、文件输出流、实例化缓冲区、写入数据到文件、关闭输入流、关闭套接字关闭输出流、输出错误信息等Java编程小技巧。 Java数组倒置...
截至2012年,淘宝和天猫经营农产品类目的网店数为()。(单选题1分)得分 :1分 A.46.06万家 B.36.06万家 C.16.06万家 D.26.06万家 5.《中共中央关于全面深化改革若干重大问题的决定》提出,全面深化改革的总目标是...
Java数据压缩与传输实例,可以学习一下实例化套按字、得到文件输入流、压缩输入流、文件输出流、实例化缓冲区、写入数据到文件、关闭输入流、关闭套接字关闭输出流、输出错误信息等Java编程小技巧。 Java数组倒置...