好奇 AppShopper 的数据来源

[markyangd]

AppShopper里的app更新、降价、新App的上架都能做到及时监控，它是怎么做到的，Apple的Store应该没有提供相关的接口吧，也应该不是人工处理的，它是怎么做到的啊？

已知资源：
Apple官方的接口：
http://www.apple.com/itunes/affiliates/resources/

Apple官方rss资源：
https://rss.itunes.apple.com/

AppShopper的rss资源：
http://www.appshopper.com/

[fgwww]

好像是有接口，有个rss的样子。
要不就是我记错了

[Shane]

应该是这里： https://www.apple.com/itunes/affiliates/resources/documentation/itunes-store-web-service-search-api.html#overview

[WildCat]

借贴问下，有类似的中文站吗

[markyangd]

@fgwww
AppShopper官方是提供相应的rss，我只是好奇它的数据从哪里来的？

[markyangd]

@WildCat
这个接口必须带term和country，无法批量获取整个app store里当前的更新和刚刚新加入的app

[markyangd]

@WildCat
http://www.iapps.im/
但是它好像是由网友发现了后分享的，不是自动抓取的。

[otakustay]

https://github.com/otakustay/PingApp/tree/old/src/PingApp.Schedule

你可以看下这个，我已经没维护很久了，但是应该基本的规则是对的，然后因为太久了我也已经忘了具体的逻辑了，大概是这样：

1. 用网页直接爬catalog把分类的id拿出来，苹果没有一个单独的接口告诉你有哪些分类
2. 每一个分类都可以用一个JSON的接口去拿应用，一次最多可以200个
3. 拿到以后跟数据库里的去比对有没有差异，然后把差异存下来

这个github repo的代码请随便用随便参考，我设的是2小时抓一次全量，不是国外的服务器网络是会被GFW砍掉的所以服务器必须在国外，然后数据量其实很大，后期MySQL已经吃不消了（因为有个description字段会很长，导致avg row length很长，读数据就会变慢），因此后期我打算改用mongo，然后玩了一半就放弃了VPS太贵玩不起- -

[otakustay]

补充一下，楼上说的方法是自己琢磨出来的，AppShopper应该不是这种玩法，但效果是一样的我严格和AppShopper比对过

[otakustay]

我去看了下自己的源码，基本过程是5个任务：

1. FullCatalogTask，拉全部的分类，从http://itunes.apple.com/cn/genre/id6018?mt=8类似这样的地址里去把所有应用的列表拉下来，获取的是应用的id数组，这网页有多少个，要自己手动去看
2. SearchApiTask，用Apple的API获取数据，地址是http://itunes.apple.com/lookup?country=cn&&lang=zh_cn&id=xxx,xxx，最多可以200个id，再多就不给你结果了
3. DbUpdateTask，找更新，存库
4. IndexTask，更新Lucene索引
5. MailTask，把更新通过邮件通知用户

关键在于，应用的量非常大，必须多线程跑才能在一个周期（我设的2小时一次）内完成，然后网络就会一直被更新应用信息占用着，所以选VPS要注意带宽，免得更新应用占掉所有带宽网站自己打不开了

然后苹果还有几个RSS是抓取热门应用之类的，可以在自己网站上对上数据，地址就在这里了https://github.com/otakustay/PingApp/blob/old/src/PingApp.Schedule/Task/Top100CheckTask.cs#L18 英文OK的话看变量名应该就懂

[markyangd]

@otakustay
感谢