码迷,mamicode.com
首页 > 编程语言 > 详细

爬取以太坊Solidity智能合约代码的简约Python爬虫

时间:2019-11-23 09:37:49      阅读:77      评论:0      收藏:0      [点我收藏+]

标签:tab   cat   返回   strftime   from   print   ftime   truncate   break   

因为一些网络环境的问题,以太坊的这个https://etherscan.io/网站并不能直接访问,所以需要配置一下。

此爬虫能将官网上的最新的500个智能合约爬取下来,健壮性还行。

代码直接Copy后,需要修改一下文件的路径filepath,即可执行。

运行环境建议使用Python3.6以上。

# -*- coding: utf8 -*-
# SmartContactSpider.py
import requests
from bs4 import BeautifulSoup
import traceback
import re
import os
import time
import datetime


def printtime():
    print(time.strftime("%Y-%m-%d %H:%M:%S:", time.localtime()), end= )
    return 0


def getsccodecore(eachLine):
    # 伪装成浏览器
    headers = {
        User-Agent: Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.87 Safari/537.36}

    failedTimes = 100
    while True:  # 在制定次数内一直循环,直到访问站点成功

        if (failedTimes <= 0):
            printtime()
            print("失败次数过多,请检查网络环境!")
            break

        failedTimes -= 1
        try:
            # 以下except都是用来捕获当requests请求出现异常时,
            # 通过捕获然后等待网络情况的变化,以此来保护程序的不间断运行
            printtime()
            print(正在连接的的网址链接是  + eachLine, end = ‘‘)
            response = requests.get(eachLine, headers=headers, timeout=5)
            break

        except requests.exceptions.ConnectionError:
            printtime()
            print(ConnectionError!请等待3秒!)
            time.sleep(3)

        except requests.exceptions.ChunkedEncodingError:
            printtime()
            print(ChunkedEncodingError!请等待3秒!)
            time.sleep(3)

        except:
            printtime()
            print(Unfortunitely,出现未知错误!请等待3秒!)
            time.sleep(3)

    response.encoding = response.apparent_encoding

    soup = BeautifulSoup(response.text, "html.parser")

    targetPRE = soup.find_all(pre, js-sourcecopyarea editor)

    filepath = "C:\\Users\\15321\\Desktop\\SmartContract\\code\\"

    filename = eachLine[29:71]

    if (os.path.exists(filepath + filename + .sol)):
        printtime()
        print(filename + 已存在!)
        return 0

    fo = open(filepath + filename + .sol, "w+", encoding="utf-8");
    fo.write(targetPRE[0].text)
    fo.close()
    printtime()
    print(filename + 新建完成!)

    return 0


def getsccode():
    try:
        SCAddress = open("C:\\Users\\15321\\Desktop\\SmartContract\\address\\address.txt", "r")

    except:
        printtime()
        print(打开智能合约URL地址仓库错误!请检查文件目录是否正确!)

    for eachLine in SCAddress:
        getsccodecore(eachLine)  # 这个才是获取智能合约代码的核心函数

    SCAddress.close()
    return 0


def getSCAddress(eachurl, filepath):
    # 伪装成某种浏览器,防止被服务器拒绝服务
    headers = {
        User-Agent: Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.87 Safari/537.36}

    # 设置访问网址失败的最高次数,达到制定次数后,报告错误,停止程序
    failedTimes = 50

    while True:  # 一直循环,直到在制定的次数内访问站点成功

        if (failedTimes <= 0):
            printtime()
            print("失败次数过多,请检查网络环境!")
            break

        failedTimes -= 1  # 每执行一次就要减1
        try:
            # 以下except都是用来捕获当requests请求出现异常时,
            # 通过捕获然后等待网络情况的变化,以此来保护程序的不间断运行
            print(正在连接的的网址链接是  + eachurl )

            response = requests.get(url=eachurl, headers=headers, timeout=5)

            # 执行到这一句意味着成功访问,于是退出while循环
            break
        except requests.exceptions.ConnectionError:
            printtime()
            print(ConnectionError!请等待3秒!)
            time.sleep(3)

        except requests.exceptions.ChunkedEncodingError:
            printtime()
            print(ChunkedEncodingError!请等待3秒!)
            time.sleep(3)

        except:
            printtime()
            print(出现未知错误!请等待3秒!)
            time.sleep(3)

    # 转换成UTF-8编码
    response.encoding = response.apparent_encoding

    # 煲汤
    soup = BeautifulSoup(response.text, "html.parser")

    # 查找这个字段,这个字段下,包含智能合约代码的URL地址
    targetDiv = soup.find_all(div,table-responsive mb-2 mb-md-0)

    try:
        targetTBody = targetDiv[0].table.tbody
    except:
        printtime()
        print("targetTBody未成功获取!")
        return 1

    # 以追加的方式打开文件。
    # 如果文件不存在,则新建;如果文件已存在,则在文件指针末尾追加
    fo = open(filepath + "address.txt", "a")

    # 把每一个地址,都写到文件里面保存下来
    for targetTR in targetTBody:
        if targetTR.name == tr:
            fo.write("https://etherscan.io" + targetTR.td.find(a, hash-tag text-truncate).attrs[href] + "\n")
    fo.close()
    return 0


def updatescurl():
    urlList = ["https://etherscan.io/contractsVerified/1?ps=100",
               "https://etherscan.io/contractsVerified/2?ps=100",
               "https://etherscan.io/contractsVerified/3?ps=100",
               "https://etherscan.io/contractsVerified/4?ps=100",
               "https://etherscan.io/contractsVerified/5?ps=100"]

    # filepath是保存要爬取的智能合约地址的文件的存放路径
    # 请根据自己的需求改成自己想要的路径。
    filepath = C:\\Users\\15321\\Desktop\\SmartContract\\address\\

    # 把旧的存放合约地址的文件清除干净
    try:
        if (os.path.exists(filepath + "address.txt")):
            os.remove(filepath + "address.txt")
            printtime()
            print(已清除%s目录下的旧文件(仓库)! % filepath)
    except IOError:

        printtime()
        print("出现一个不能处理的错误,终止程序:IOError!")

        # 函数不正常执行,返回1
        return 1

    # 读取urlList里的每一个URL网页里的智能合约地址
    for eachurl in urlList:
        time = 0
        while( 1 == getSCAddress(eachurl, filepath)):
            time += 1
            if(time == 10):
                break
            pass


    # 函数正常执行,返回0
    return 0


def main():
    # 更新要爬取的智能合约的地址
    updatescurl()

    # 根据智能合约的地址去爬取智能合约的代码
    getsccode()


main()

 

爬取以太坊Solidity智能合约代码的简约Python爬虫

标签:tab   cat   返回   strftime   from   print   ftime   truncate   break   

原文地址:https://www.cnblogs.com/blockchainchain/p/11915130.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!