python爬取區塊鏈瀏覽器上的交易列表數據_DIV

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

Coinbase聯創本周買入4880萬美元公司股票:金色財經報道，根據美國證券交易委員會的文件，Coinbase聯合創始人、Paradigm聯合創始人Fred Ehrsam，本周早些時候買入價值4880萬美元的Coinbase (COIN)股票。Ehrsam通過Paradigm在周二和周三的幾筆交易中額外收購了81萬股Coinbase股票。他以每股59.30美元至63.20美元的價格買入該股。文件顯示，Ehrsam目前通過三個實體Paradigm One LP、The Frederick Ernest Ehrsam III Living Trust和Paradigm Fund LP間接持有總計560萬股COIN股票。[2023/5/12 15:00:02]

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

Michael Novogratz：比特幣是貨幣政策和金融穩定的成績單:金色財經報道，GalaxyDigital創始人兼首席執行官Michael Novogratz就比特幣發表了聲明，稱其是貨幣政策和金融穩定的成績單。

Novogratz 強調 BTC 是為當前的經濟環境而建立的。 Novogratz 表示，在風險調整的基礎上，BTC 是今年表現最好的資產，超過了成長股、銀行和主要股票基準。[2023/3/24 13:24:43]

....

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

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。

美股短線走低，標普500指數跌1.79%:金色財經報道，美股短線走低，道指跌超2%，納指跌1.18%，標普500指數跌1.79%。[2023/3/16 13:06:31]

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)

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：

Elon Musk在特斯拉私有化證券欺詐案件中被判無罪，但狗狗幣訴訟仍未結案:金色財經報道，指控特斯拉首席執行官 Elon Musk 在該公司私有化過程中涉嫌證券欺詐的案件中，陪審團成員已宣布他無罪且不承擔責任。Elon Musk 的律師表示，Elon Musk 沒有意識到他在 2018 年關于特斯拉私有化的推文會被如何解讀，而且 Elon Musk 在庭審期間表示相信自己的推文是誠實的。此前股東對 Elon Musk 發起訴訟，認為它最終沒有將公司私有化，導致投資者根據虛假信息做出了投資決定。據悉，Elon Musk 因為在推文中支持狗狗幣也面臨到起訴，目前該訴訟案件尚未結案，訴訟索賠金額高達 2580 億美元，但迄今為止 Elon Musk 沒有因為發布比特幣相關推文面臨任何訴訟。（CNBC ）[2023/2/4 11:47:11]

def?start_spider(page_number):

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

/txs?a=0xbd3bd95529e0784ad973fd14928eedf3678cfad8&'

????#?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',

美國財政部制裁與俄羅斯準軍事組織相關的加密貨幣地址:金色財經報道，美國財政部周四在其制裁黑名單上增加了五個加密貨幣地址，都與一個被稱為“Task Force Rusich”的俄羅斯實體有關。Telegram的記錄顯示，至少有四個地址與一個軍事硬件眾籌活動有關，目的是幫助親俄部隊。（CoinDesk）[2022/9/16 6:59:45]

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

????}

????#?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：SPADIVODYPANSpaceBudzDIVER價格Spoody ManCPAN價格

火幣下載