刮亚马逊所有交易php curl？

Posted

技术标签:

【中文标题】刮亚马逊所有交易php curl？【英文标题】：Scrape amazon all deals php curl? 【发布时间】：2015-08-31 21:21:19 【问题描述】：

我想抓取亚马逊所有交易页面

http://www.amazon.com/gp/goldbox/all-deals/ref=sv_gb_1

所以我使用 curl php

$request = 'http://www.amazon.com/gp/goldbox/all-deals/ref=sv_gb_1';
        $ch = curl_init();
        curl_setopt($ch,CURLOPT_URL,$request);
        curl_setopt($ch, CURLOPT_HEADER, false);
        curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
        curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, true);
        curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1);
        curl_setopt($ch, CURLOPT_TIMEOUT, 80);
        $file_source = curl_exec($ch);
        print_r($file_source);
        exit;

报废已完成，但响应页面内容 div 为空。内容全部来自亚马逊的动态 ajax 请求。如何使用 php 和 curl 废弃所有交易产品

我的回复图片link

更新代码

 $request = 'http://www.amazon.com/gp/goldbox/all-deals/ref=sv_gb_1';
        
        $header[] = "Accept: text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8";
        /*$header[] = "Accept-Language: en-US,en;q=0.5";*/
    /*  $header[] = "Accept-Encoding: gzip, deflate";*/
        $header[] = 'Cookie: x-wl-uid=1vlKm5hBxhHPg37UgkrAPYZZaV0wv+T5knGezWJq0AIEWI30hJYp0XouddMIZeemj1LKAi9fDQq7aoFN+mbvlVYPTBQVLFdzs0aeTGWtiCY0Ay63L0ezPfZRKXQHC
/Wum4ywRviFW9es=; session-id-time=2082787201l; session-id=192-9168386-7231424; ubid-main=187-6710460-8617661
; session-token="+SFC4vDx/BvcD8D1Mdgeo2jtnTD0qPHF5j2nWNwbFGcRyW7/o4LBOmBHJosU5W0SgoAd6lhi0NZWg/6o5WE6o45k
+VCT5a5dgj0tltSEkBT80oWT0CDk+jCDEEhIcxnCe6aqkUn6soFiMJHIsMWujo4qyA6A70PC1xKGKdIFMUm3H0DGSdIMqITs4Mjb1
/1vY6GxnPeh5ncasxl+tUN2dHVwwJbj1ZrmyJdDxSDd8/o="; __utma=194891197.2101747155.1434117141.1434356635.1434362529
.4; __utmz=194891197.1434362529.4.4.utmccn=(referral)|utmcsr=***.com|utmcct=/questions/11589556
/retrieving-an-amazon-stores-list-of-products-using-php|utmcmd=referral; x-main="Xi0312Ip8BrjoFoj6Zp9OLxDcU6kCvlm4DExlT5yNgHa2b3htenxvUsF2TZR3
?Fn"; s_pers=%20s_vnum%3D1866356399079%2526vn%253D2%7C1866356399079%3B%20s_invisit%3Dtrue%7C1434364356330
%3B%20s_nr%3D1434362556331-Repeat%7C1442138556331%3B; csm-hit=b-1RHERWP84F8S70KRQ903|1434453087266; preferred-geo
=national; UserPref=O9NYa0FpfOIAcRMnkQf7WL3LyhrjCsMBKgKfVxT4zK8uOTF5KjzPAwmz0DuVnfXhdkinEE1BEMgPn09eHwavl
+Hwl1BOSvjp1ewiG1iCXa0R77FsPOGbpq06MWB0MC7Wwff4gehUEAle5IfyFQqKGh1XvJ4YiMFsR2mwmyzzVJTo0WPGZzvvpCVLFmx22cRVwEi4sX8y
+IfEKu76B4p1GHPdZVo1HIwLooo8CT7lboNUi4Hhn6mhtyGCNEDLvWD8NII48Vd9EkcBjUpiSeNroRjYO9yNkj8SI3xJVI0befNipOfxAzPSnuQqeBpqm99bWArk9ZZl
+EM5QKzoPNJSF0FqVnnYavt4G6F/PHedaJVl8pU0A6N9lBjK6YZRFflyaoEYPtUW+nqK0xqO+YusAMAlhHBuW33KMdtt3i6oufQ4yTDqIgAiQ1ZTXcsb2tcu
; s_dslv=1434370132739; lc-main=en_US; aws-target-visitor-id=1434357190046-572838.22_02; aws-target-data
=%7B%22support%22%3A%221%22%7D; s_fid=7BB6DD9CE8128EC3-2A07290402DD6AF6; s_vn=1465893191447%26vn%3D1
; s_nr=1434370132733-New; s_vnum=1866370132735%26vn%3D1; skin=noskin; b2b-main=0';
        $header[] = "Connection: keep-alive";
        $reffer = 'http://www.amazon.com/gp/goldbox/all-deals/ref=sv_gb_1';
        $ch = curl_init();
        curl_setopt($ch,CURLOPT_URL,$request);
        curl_setopt($ch, CURLOPT_USERAGENT, 'Mozilla/5.0 (Windows NT 5.1; rv:38.0) Gecko/20100101 Firefox/38.0');
        curl_setopt($ch, CURLOPT_HTTPHEADER, $header); 
        curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
        curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1);
        curl_setopt($ch, CURLOPT_REFERER, $reffer);
        curl_setopt($ch, CURLOPT_TIMEOUT, 80);
        curl_setopt($ch, CURLOPT_MAXREDIRS, 10);        
        $file_source = curl_exec($ch);
        
        print_r($file_source);

【问题讨论】：

在我看来，您遇到了动态 js ajax 请求，即not breakable with bare Curl，另请参阅here。 @Igor Savinkin 感谢您的回复。你能提供一些例子吗 我还没有实现v8js php plugin，但我的另一个想法是这样的动态网站通过 Ajax JSON 调用获取数据。您可能会尝试找出动态下载数据的位置（使用浏览器中的开发工具 - F12 或 Ctrl+Shift+I），然后在这些 url 中查询数据。 真的，亚马逊查询通过 XHR 进行交易。看到这个shot；对于一台大型机（红色边框），有几十个 xhr 调用 用于数据。在我看来，它们不是那么简单的可查询... 我投票决定将此问题作为题外话结束，因为它似乎在考虑采取违反 Amazon.com 的 Terms of Use 的行动，该行动不允许 “任何使用数据挖掘、机器人、或类似的数据收集和提取工具。” 【参考方案1】：

根据我的快速研究，您可能会查询亚马逊制作的 XHR 以请求交易。

此类动态网站通过 Ajax JSON 调用获取数据。可能会尝试找出动态下载数据的位置（使用开发工具或网络嗅探器），然后查询这些 url 以获取数据。

请参阅shot。 但是，如果您使用 php Curl 查询它们，则应该使用/模仿该特定请求标头（包括 cookie）的 http 标头：

更新

根据您的新 curl 请求...

    亚马逊页面（它的 js 逻辑）为每个产品项创建 XHR 到其服务器。 XHR 看起来像这样：http://www.amazon.com/xa/dealcontent/v2/GetDealMetadata?nocache=1434445645152 not http://www.amazon.com/gp/goldbox/all-deals/ref=sv_gb_1 这只是引用者。

    对产品项的请求是 POST，而不是 GET。

    您可能从浏览器中获取了 cookie 并将其插入到 php curl 标头中。错误的。这些 cookie 属于 您的浏览器 会话，与请求 XHR 的 php 服务器会话无关。因此，对于这个使用 cookie jar，请参阅post。 POST 的负载是一个对象，应该以已知的结构形成。 表格数据： "requestMetadata":"marketplaceID":"ATVPDKIKX0DER","sessionID":"175-4567874-0146849","clientID":"goldbox","widgetContext":"pageType":"GoldBox","subPageType":"AllDeals","deviceType":"pc","refRID":"1VFVJBKEYZT3DGWSANXQ","widgetID":"1969939662","slotName":"center-6","page":1,"dealsPerPage":8,"itemResponseSize":"NONE","queryProfile":"featuredOnly":false,"dealTypes":["LIGHTNING_DEAL","BEST_DEAL"],"includedCategories":["283155","599858","154606011"],"excludedExtendedFilters":"MARKETING_ID":["restrictedcontent"]

查看开发者工具图片：

    正如 Michael - sqlbot 所述，您尝试执行违反亚马逊使用条款的操作。但是为了 scrape 技术，我仍然更新我的答案。

【讨论】：

@NathanSrivi，cookie 怎么样？我没有看到您使用cookie jar... 我现在更新了所有的想法。现在只有我得到了小更新 所有 ajax 都已加载但不正确。只需运行我更新的代码 Igor Savinkin

以上是关于刮亚马逊所有交易php curl？的主要内容，如果未能解决你的问题，请参考以下文章

刮亚马逊品牌页面

亚马逊网络服务 WP 插件 cURL 错误

PHP Curl - Cookie 问题

使用 python 从亚马逊页面获取 ASIN 编号

通过亚马逊产品广告 API 过滤或确定仓库交易？

cURL 返回空数组