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
Cboe加入Pyth网络并将ErisX更名为Cboe Digital:金色财经报道，市场基础设施提供商Cboe已加入Pyth网络，它还将今年收购的数字资产交易所ErisX更名为Cboe Digital。通过在Pyth网络上提供一些实时定价，Cboe Global Markets正在涉足去中心化金融。根据公司发布的消息，Cboe将从第四季度开始发布10个符号的有限衍生股票市场数据。该网络建立在Solana区块链上，将市场数据提供给链上项目和协议。它利用了来自70多家值得信赖的供应商的数据，包括Jane Street、Virtu Financial和Two Sigma Securities。（the block）[2022/10/6 18:40:32]
（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。
Solana生态预言机Pyth Network新增支持BNB Chain主网和侧链:10月5日消息，Solana生态预言机Pyth Network已新增支持 BNB Chain主网和侧链。BNB链应用程序可以无需许可地，直接从BNB Chain 或任何币安侧链请求和使用任何80多个Pyth价格信息。[2022/10/6 18:40:20]
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。
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
Pyth Network发布基于Solana的Pythnet网络:8月9日消息，Pyth Network于近日发布其基于Solana代码库构建的Pythnet网络。该网络让Pyth能够以亚秒级的速度聚合一手的市场数据，并通过Wormhole跨链通讯协议向其他链发布喂价信息。
据悉，Pyth将继续在Solana网络上开发其质押和治理技术，并宣布未来将发布的PYTH通证将是SPL通证的一种。[2022/8/9 12:11:44]
https://bscscan.com/txs?a=0xbd3bd95529e0784ad973fd14928eedf3678cfad8&p=2第三页
https://bscscan.com/txs?a=0xbd3bd95529e0784ad973fd14928eedf3678cfad8&p=3....
CoinShares将为Pyth Network提供实时加密资产定价数据:欧洲数字资产投资平台CoinShares International Limited宣布，将为Solana生态预言机解决方案Pyth Network直接提供实时加密资产定价数据。（PRNewswire）[2021/8/5 1:36:16]
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。