haralyzer 半自动，一次性少量数据采集快捷方法

使用场景：半自动，一次性少量数据采集需求在工作中还是不少遇到的，无论使用模拟的方式，或者破解都不太划算。其实这种需求，使用半自动爬虫是最简单的。不需要考虑网站反爬虫的问题，因为你使用的就是真实的浏览器，不会通过代码来发起请求

从chrome获取har包
首先打开浏览器的开发者工具，勾选上Perserve log复选框，如下图所示：

然后刷新页面。注意一定要先打开开发者工具再刷新页面，顺序不能搞反了。接下来，你就正常往下滚动页面或者点击翻页按钮，滚到你不想滚为止。此时开发者工具里面已经有很多数据包了。如下图所示：

在任何一个数据包上面右键，选择Save all as HAR with content。就会把当前页面的所有数据包全部合并到一个 har 文件里面，如下图所示：

备注：如果遇到需要来回跳转的页面，可以使用抓包工具获取har,这个自己搜吧

示例代码，只需要按提示修改相关变量和函数即可运行

python 复制代码

import json
import csv
import jsonpath
from haralyzer import HarParser
#功能： 解决一次性数据量不大的数据采集需求，通过chrome获取所有请求包，打包成har包，然后解析存储

# har包获取方法：
# 1、打开chrome的检查,
# 2:勾选Network中的Preserve log,
# 3:刷新当前网页，点击下一页或者滑动，直到自己需要的数据加载完，
# 4: 点击右上角的下载图标，或者是选择任意一个请求，右击，点击'Save all as HAR with content'

# 代码使用方法: 按照需要修改har_file_path, url_keyword, csv_title_title三个变量，以及解析函数parser_har, 其他都不需要动


def save_csv(title_list, data_list):
    '''
    保存数据到csv文件中
    '''
    data_list.insert(0, title_list)
    with open('result_csv.csv', 'w', encoding='utf-8-sig', newline='') as csvFile:
        writer = csv.writer(csvFile)
        # 写入多行用writerows
        writer.writerows(data_list)
    print('组合数据运行结束, 结果文件result_csv.csv位于当前目录下')

def read_har_file(har_file_path):
    '''
    读取指定路径的har文件
    '''
    har_parser = HarParser.from_file(har_file_path)
    data = har_parser.har_data
    entries = data['entries']
    for entry in entries:
        yield entry

def crawle_har_to_csv(har_file_path, url_keyword, csv_title_title):
    '''
    主启动函数
    '''
    all_result_list = []
    for entry in read_har_file(har_file_path):
        url = entry['request']['url']
        if url.find(url_keyword) > -1:
            print(url)
            body = entry['response']
            if 'text' in body['content']:
                content = body['content']['text']
                info = json.loads(content)
                if sub_result_list := parser_har(info):
                    all_result_list.extend(sub_result_list)
    save_csv(csv_title_title, all_result_list)

#需要修改
def parser_har(json_content):
    '''
    解析har中的相关数据，这个需要根据具体返回内容进行修改
    '''
    result_list = []
    data_list = jsonpath.jsonpath(json_content, '$.data.content.offerList.*')
    if data_list:
        for offer in data_list:
            result_list.append([offer['subject'], offer['price']])
        return result_list
    else:
        print('parser_har函数没有获取指定的data_list')
        return []

if __name__ == '__main__':
    #har包地址， 需修改
    har_file_path = r'C:\Users\men\Desktop\milishipin.1688.com.har'
    #择选的请求唯一关键词，用来筛选关键词， 需修改
    url_keyword = 'mtop.1688.shop.data.get/1.0'
    #csv文件中的title列表， 需修改
    csv_title_title = ['名称', '价格']

    crawle_har_to_csv(har_file_path, url_keyword, csv_title_title)