DIV:python爬取区块链浏览器上的交易列表数据_DATA

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

借贷协议Hover与Pyth Network建立合作，为其借贷市场提供预言机支持:据官方消息，Kava原生借贷协议Hover宣布与Pyth Network建立合作伙伴关系，Hover将在其流动性市场使用Pyth提供链上预言机定价。

Hover核心贡献者Aileen Dauz表示，“对于Hover来说，获得可靠的数据源对于管理稳定的市场至关重要。Pyth团队提供的实时、按需市场数据来自可信的来源，使他们成为我们首选的Oracle解决方案。我们对此次合作以及它为Hover和整个Kava生态系统带来的影响感到非常兴奋。”Pyth的贡献者之一Marc Tillement表示，“Pyth已准备好全力支持Hover，为其提供250多种不同的价格喂价。”[2023/7/20 11:06:46]

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

https://bscscan.com/txs?a=0xbd3bd95529e0784ad973fd14928eedf3678cfad8&p=3

多个PEPE持仓地址买入LADYS:5月11日消息，Lookonchain监测数据显示，一些地址将其持有的PEPE换成LADYS。地址0xfb2b曾用54枚ETH（10.1万美元）买入2920亿枚PEPE，以288枚ETH（53.2万美元）卖出，利润为234枚ETH（43万美元）。该地址一共买入7.5万亿枚LADYS（目前118万美元），成本为168枚ETH（31万美元），平均价格为0.0000004133美元。地址0x03aa以2466亿枚PEPE（42.3万美元）和3200亿枚CrazyPepe（1.8万美元）买入5.23万亿枚LADYS（目前为82.3万美元）。平均买入价为0.00000008428美元。地址0x4f53以244枚ETH（44.8万美元）卖出2576亿枚PEPE，均价0.000001741美元；并用230枚ETH（42.1万美元）买入4.87万亿枚LADYS（目前为76.7万美元），买入均价0.00000008647美元。[2023/5/11 14:57:32]

....

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

美国民主党参议员：监管机构对加密货币活动缺乏全面的认识:金色财经报道，据相关声明，美国民主党参议员谢罗德·布朗呼吁美国财政部在FTX崩溃后制定加密立法，并表示，监管机构对加密货币活动缺乏全面的认识。[2022/12/1 21:13:32]

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

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

预言机解决方案Pyth Network正式发布中文白皮书:3月12日，据官方消息， 预言机解决方案Pyth Network今日正式发布中文白皮书。这份白皮书介绍了一种全新的预言机设计模型，并且第一次正式描述了Pyth Network的愿景：建立一个自我可持续的、去中心化的预言机网络。Pyth带来了一个全新商业模型，一个以质押为基础的激励系统，让数据发布者、数据使用者，以及其他的网络参与者能够共同获利。

在过去的几个月时间里，Pyth Network已经持续免费地向全世界释放了高保真的数据，消除了数据中间商，降低了数据成本，提升了数据质量，并开放给所有人。通过应用链上陪审团系统HUMAN Protocol，Pyth能够无需信任地验证其所提供的的价格数据和置信区间与真实的链下数据相比是否准确。[2022/3/12 13:52:56]

#?请求和xpath定位具体实现代码：

def?start_spider(page_number):

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

动态 | eToro聘请美国演员Alec Baldwin推广加密交易平台新功能CopyTrader:为了获得主流的吸引力，eToro聘请美国电视及电影演员Alec Baldwin作为发言人，帮助推广eToro为美国投资者推出的CopyTrader新功能。据悉，该功能将允许eToro的美国用户在其平台上自动复制顶级加密货币交易者的所有交易。（Sludgefeed）[2019/10/31]

/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'

????}

????#?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

来源：金色财经

标签：DIVATADATADATDiversified Staked Ethereum IndexData Transaction TokenbigtourismdataDatawallet

XMR热门资讯