爬取区块链的交易数据

引言

三年前，我参加了数学建模校队，当时同队的小兄弟想让我学爬虫，然后太菜的我被劝退了。从数学系毕业，到软院读研，学到了前端的知识以后，发现爬虫似乎并不难，最近因为论文需要，写了第一个爬虫，很开心。

目标

我爬取了区块链POW上的交易信息。
可以从 blockchain.info 上找到数据。目前爬出的是脏数据，需要进一步处理。

代码

代码运行在python 3.7上

import requests
from bs4 import BeautifulSoup
import re


def getHTMLText(url):
    try:
        r = requests.get(url, timeout=30)
        return r.text
    except:
        return ""


def main(path):
    url = 'https://www.blockchain.com/zh/btc/blocks/1551262244728'
    start_url = 'https://www.blockchain.com'
    try:
        html = getHTMLText(url)
        l1 = re.findall(r'/zh/btc/block/.*?\"', html)
        num = 0
        for x in l1:
            my_url = start_url + x[:-1]
            my_html = getHTMLText(my_url)
            l2 = re.findall(r'<span class=\"pull-right\">.*?/zh/btc/tx', my_html)
            for y in l2:
                l3 = list()
                l3.append(re.findall(r'<span class=\"pull-right\">.*?</span>', y))
                l3.append(re.findall(r'/zh/btc/address/.*?\"', y))
                l3.append(re.findall(r'<span class=\"pull-right hidden-phone\">.*?BTC', y))
                for z in l3:
                    with open(path, 'a', encoding='utf-8') as f:
                        for g in z:
                            f.write(str(g) + '\n')
                        f.write('\n')
            num += 1
            print(num / len(l1))
    except:
        pass


if __name__ == '__main__':
    output_file = 'D:/myBlock.txt'
    main(output_file)