python抓取淘宝发票pdf文件

Question

从淘宝得到可下载发票的链接 如  https://invoice-ua.taobao.com/detail//pc?orderId=2253891543943287862#/
其源代码没有文件链接. 基于我的淘宝账号和密码, 抓包得到图1.  访问图2的网站得以下载. 图2网址唯一的参数id与图1的id相同。
图1

图2

我的需求是:
如何分析js? 如何用python爬取,得到这个id? 望大家帮忙提供思路和可行的解决方案

Answer 1

以下回复引自免费微信小程序：皆我百晓生。 如问题解决，还请采纳。如仍有疑问，请回复留言或私信博主，以便获得更精准的帮助。

要使用PYTHON和JAVASCRIPT获取淘宝发票PDF文件，你可以按照以下步骤操作：

步骤1: 配置PYTHON

首先，确保你的PYTHON环境已安装并配置为支持HTML5和JAVASCRIPT（如PIL库）。如果你还没有安装PIL，请访问官方网站进行详细说明和指南。

步骤2: 编写脚本

在你的PYTHON脚本中，首先需要导入所需的模块：REQUESTS用于HTTP请求，BS4用于解析HTML文档，OS用于处理路径。

IMPORT REQUESTS
FROM BS4 IMPORT BEAUTIFULSOUP
IMPORT OS

然后，编写一个简单的网页抓取脚本来下载PDF文件。这里我们选择一个随机的URL作为示例：

DEF GET_RANDOM_PDF_URL():
    # 生成一个随机的URL
    URL = "HTTP://RANDOMURL.COM"
    RETURN URL

接下来，实现下载PDF文件的功能：

DEF DOWNLOAD_PDF(URL):
    RESPONSE = REQUESTS.GET(URL)
    IF RESPONSE.STATUS_CODE == 200:
        WITH OPEN('TEMP.PDF', 'WB') AS F:
            FOR CHUNK IN RESPONSE.ITER_CONTENT(1024):
                F.WRITE(CHUNK)
    ELSE:
        PRINT(F"FAILED TO DOWNLOAD {URL}")

最后，创建一个函数来检查是否成功下载了PDF文件，并将结果打印出来：

DEF CHECK_PDF_DOWNLOAD():
    URL = 'HTTP://RANDOMURL.COM'
    FILENAME = 'TEMP.PDF'
    DOWNLOAD_PATH = '/TMP/' + FILENAME
    TRY:
        DOWNLOAD_PDF(URL)
        OS.RENAME(DOWNLOAD_PATH, FILENAME)
        PRINT(F'FILE "{FILENAME}" DOWNLOADED SUCCESSFULLY.')
    EXCEPT EXCEPTION AS E:
        PRINT(F'ERROR DOWNLOADING FILE: {E}')

步骤3: 测试

最后，测试一下你的脚本以确保它能够正确地下载和管理PDF文件。可以使用浏览器打开/TMP/TEMP.PDF文件夹，看看是否有下载到的内容。

CHECK_PDF_DOWNLOAD()

结论

通过上述步骤，你可以使用PYTHON和JAVASCRIPT轻松地从淘宝网站获取可下载发票的PDF文件。注意，在实际应用中，你需要根据实际情况调整URL、下载频率以及文件保存路径等参数。