前言
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。
原因
dune上没有bsc链上的转账明细数据表。FootprintAnalytics上现有的bsc_transactions表transfer_type粒度不够。
环境
python3.7
数据存储：mysql5.7
缓存：redis6.2.6
开发工具：pycharm
思路
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。
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
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。
后面再研究用scrapy或异步请求
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。
实现
找到需要爬取合约的具体地址：
Python软件包中的“Kekw”恶意软件可以窃取数据和加密货币:5月5日消息，根据Cyble Research and Intelligence Labs ( CRIL ) 的数据，Python软件包中的“Kekw”恶意软件可以从受感染的系统中窃取敏感信息，并执行可以劫持加密货币交易的活动。目前，Python安全团队已经删除了该恶意包，无法确定有多少人下载了它们。[2023/5/6 14:45:53]
第一页
http://bscscan.com/txs?a=0xbd3bd95529e0784ad973fd14928eedf3678cfad8
第二页
https://bscscan.com/txs?a=0xbd3bd95529e0784ad973fd14928eedf3678cfad8&p=2
第三页
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
Pyth Network已上线Aptos主网:10月19日消息，Pyth Network已上线Aptos主网，Aptos上开发者可以自由使用Pyth喂价数据。所有Aptos上的程序现在都可以直接调取并使用Pyth 80+股票、大宗商品、外汇和加密货币喂价数据。
首期，Pyth Network将支持Aptos上的一系列DeFi各领域应用：Argo、Aries Markets、AUX、Concordia、Ditto、Fletch Wallet、Momentum Safe、Pontem Network、Thala Labs、Tortuga Finance 以及 Tsunami Finance。[2022/10/19 17:32:10]
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
在python里面安装相关的依赖
基于Solana的DeFi期权抵押平台Zeta将集成Pyth预言机:据官方消息，基于Solana的DeFi期权抵押平台Zeta宣布将集成Pyth Network价格预言机。通过使用Pyth，Zeta可以访问链上的高频价格数据，以构建快速的链上期权定价和清算引擎。[2021/5/31 22:58:26]
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
XPathHelper-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
#?请求和xpath定位具体实现代码：
JumpTrading正在参与开发基于Solana区块链的预言机项目Pyth:4月8日，高频交易公司JumpTrading总裁兼首席投资官DaveOlsen在《TheJumpOffPoint》播客中表示，正在参与开发一个名为Pyth的预言机项目，旨在提供高性能且精确的市场数据源，并将其添加到智能合约中。该预言机项目将在Solana区块链上构建。[2021/4/8 19:57:51]
def?start_spider(page_number):
????url_base?=?'http://bscscan.com
/txs?a=0xbd3bd95529e0784ad973fd14928eedf3678cfad8&'
????#?请求头
????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'
????}
动态 | 耐克获区块链运动鞋“CrpytoKicks”专利:今天，运动品牌耐克（Nike）的区块链兼容运动鞋“CrpytoKicks”专利获美国专利局批准。该专利概述了一个系统，通过该系统，区块链可以将安全加密的数字资产附加到物理产品上，在本例中是运动鞋。此外，耐克还可以利用区块链技术追踪追踪运动鞋所有权，并验证其真实性。此前消息，“Cryptokicks”商标序列号为883945295，创建于2019年4月19日。该商标属耐克名下，被描述为“代表了加密数字货币钱包、在线市场服务以及供会员使用的代币等内容”。（TNW）[2019/12/11]
????#?需要传入的参数
????data?=?{
????????'p':?page_number
????}
????#?将参数转为Unicode编码格式
????unicode_data?=?urllib.parse.urlencode(data)
????#?拼接网址
????#?http://bscscan.com/txs?a=0xbd3bd95529e0784ad973fd14928eedf3678cfad8
????url?=?url_base?+?unicode_data
????#?自定义request对象
????request?=?urllib.request.Request(url=url,?headers=headers)
????#?模拟浏览器发送请求
????response?=?urllib.request.urlopen(request)
????#?将返回的数据利用lxml转为
????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，对txn_hash去重，去重的原因是防止一条数据被爬到了多次
def?add_txn_hash_to_redis(txn_hash):
????red?=?redis.Redis(host='根据你自己的配置',?port=6379,?db=0)
????res?=?red.sadd('txn_hash:txn_set',?get_md5(txn_hash))
????#?如果返回0，这说明插入不成功，表示有重复
????if?res?==?0:
????????return?False
????else:
????????return?True
#?将mmsi进行哈希，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。