2022年6月3日 端午节安康。
今天主要分享如何利用爬虫爬取区块链浏览器上的交易列表数据。
dune上没有bsc链上的转账明细数据表。Footprint Analytics上现有的bsc_transactions表transfer_type粒度不够。
python 3.7
数据存储：mysql 5.7
缓存：redis 6.2.6
开发工具：pycharm
（1）所有协议、合约、swap地址转账信息全爬不太实际，对存储要求比较高。所以针对需要分析的协议，专门去爬取对应智能合约转账是个不错的选择。
（2）区块链浏览器肯定是有反爬机制的。所以在代理选择上，要选择国外的代理。国内的代理都访问不到，具体原因你懂的。本文中不涉及代理部分，因为国外的代理厂家之前没有了解过。不过即使是上代理，对代码层面改动也比较小
Everstake在内的七家基础设施公司在Solana上添加对Pyth oracle网络的支持:3月29日消息，据官方声明，包括Everstake、P2P、Syndica、Figment、Triton、Coinbase Cloud 和 Blockdaemon在内的七家区块链基础设施公司增加了对Solana上预言机服务Pyth Network的支持，这些公司将支持Pyth的数据提供商并协助他们维护其节点基础设施。
据悉，Pyth Network的预言机解决方案聚合了去中心化金融领域的应用程序所需的链下数据。[2023/3/30 13:33:54]
（3）采用了urllib同步请求 + 范围内随机时长程序休眠。减少了被风控的概率。但是也降低了爬虫的效率。
Injective测试网集成Pyth Network，允许开发者构建DApp以访问机构数据:3月22日消息，Cosmos生态智能合约平台Injective测试网集成预言机Pyth Network，允许开发者构建DApp以访问各种资产的高保真、高频市场数据。这是Pyth数据首次支持Cosmos生态系统。Pyth Network引入一种创新的按需拉动模型预言机，用户可以在需要时将可用价格推送到链上，并使该区块链环境中的每个人都能够访问该数据点。Pyth在Injective上运行由Wormhole实现。发布者能够以交易的形式将数据直接发送到Pyth，随后将这些数据资产放在链上。当目标链（如Injective）请求数据时，Pyth能够通过Wormhole发送数据。[2023/3/22 13:20:06]
后面再研究用scrapy或异步请求
预言机Pyth Network宣布上线Base网络:金色财经报道，预言机项目Pyth Network宣布上线Base网络，并为之提供超过200个价格源。
Base是Coinbase于今日推出的基于OP Stack的以太坊L2网络。[2023/2/24 12:26:04]
同步：请求发送后，需要接受到返回的消息后，才进行下一次发送。异步：不需要等接收到返回的消息。
找到需要爬取合约的具体地址：
第一页
http://bscscan.com/txs?a=0xbd3bd95529e0784ad973fd14928eedf3678cfad8第二页
https://bscscan.com/txs?a=0xbd3bd95529e0784ad973fd14928eedf3678cfad8&p=2第三页
Jump Trading将在Solana区块链上构建预言机项目Pyth:金色财经报道，加密货币做市商Jump Trading正在研究一项旨在去中心化实时交易数据的新计划。Jump Trading总裁兼首席投资官Dave Olsen在接受采访时表示，预言机项目Pyth将在Solana区块链上构建。Pyth Network的目标包括“允许高性能的原材料，将非常精确的市场数据注入使用这些协议编写的智能合约中。”[2021/4/8 19:56:47]
https://bscscan.com/txs?a=0xbd3bd95529e0784ad973fd14928eedf3678cfad8&p=3....
可以知道 p = ？就代表页数。
然后F12 点击“网络”，刷新界面，查看网络请求信息。
主要查看，网页上显示的数据，是哪个文件响应的。以什么方式响应的，请求方法是什么
如何验证呢，就是找一个txn_hash在响应的数据里面按ctrl + f去搜索，搜索到了说明肯定是这个文件返回的。
查看响应的数据，是html的格式。在python里面，处理html数据，个人常用的是xpath（当然，如果更擅长BeautifulSoup也可以）
在python里面安装相关的依赖
pip install lxml ‐i https://pypi.douban.com/simple同时在浏览器上安装xpath插件，它能更好的帮助我们获到网页中元素的位置
XPath Helper - Chrome 网上应用店 (google.com)
然后就可以通过插件去定位了，返回的结果是list
**注：**浏览器看到的网页都是浏览器帮我们渲染好的。存在在浏览器中能定位到数据，但是代码中取不到值的情况，这时候可以通过鼠标右键-查看网页源码，然后搜索实现
然后就是利用redis，对txn_hash去重，去重的原因是防止一条数据被爬到了多次
最后一个需要考虑的问题：交易是在增量了，也就是说，当前第二页的数据，很可能过会就到第三页去了。对此我的策略是不管页数的变动。一直往下爬。全量爬完了，再从第一页爬新增加的交易。直到遇到第一次全量爬取的txn_hash
最后就是存入到数据库了。这个没啥好说的。
以上就可以拿到转账列表中的txn_hash，后面还要写一个爬虫深入列表里面，通过txn_hash去爬取详情页面的信息。这个就下个文章再说，代码还没写完。
今天就写到这里。拜拜ヾ(?ω?`)o
来源：Bress
作者：撒酒狂歌
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。