共计 3673 个字符，预计需要花费 10 分钟才能阅读完成。
上一篇文章讲了如何对采集的数据进行抓包和解析，本次次要解说如何应用自动化工具，实现自动化数据采集。如果想理解抓包和解析局部的内容，能够查阅我的上一篇文章《数据平台初试（技术篇）——抖音数据采集（高级版）》，文末附有上篇文章的传送门。本次用到的工具：挪动端自动化工具 Appium，夜神模拟器（也能够用真机代替），adb 工具。
运行环境筹备工作
开始进入数据采集的筹备工作，在上一篇文章的根底上，搭建自动化环境，首先须要配置 android-sdk，装置教程可参考如下链接，最初须要验证 adb 命令是否可用，在命令行窗口运行 adb version，呈现版本号信息，阐明 adb 工具可用，android sdk 下载及装置教程请参阅如下链接：
https://www.cnblogs.com/woniu123/p/10755262.html配置好 android-sdk 后，就能够装置 Appium 了，下载地址如下，此处咱们抉择 appium-desktop-setup-1.9.0.exe 版本：
https://github.com/appium/appium-desktop/releases/download/v1.9.0/appium-desktop-setup-1.9.0.exe下载好后根本是下一步装置，装置实现后启动利用，呈现如下窗口证实装置胜利：
点击“Start Server V 1.9.0”启动服务，呈现如下页面则证实启动胜利，端口为 4723：
关上之前配置好的模拟器，此时在命令行窗口运行 adb devices，会呈现连贯的模拟器设施，证实运行环境筹备实现
接下来是运行环境配置，点击 appium 的 Start Inspector Session
须要配置如下启动参数：
{
"platformName": "Android",
"platformVersion": "5.1.1",
"deviceName": "127.0.0.1:62001",
"appPackage": "com.ss.android.ugc.aweme",
"appActivity": "com.ss.android.ugc.aweme.main.MainActivity",
"noReset": true
}platformName：模拟器运行的平台，填入 Android
platformVersion：查看模拟器的安卓版本，填入即可
deviceName：此处为运行 adb devices 命令失去的设施，以后模拟器为 127.0.0.1:62001
appPackage 和 appActivity：抖音 app 的包名和启动办法名，可通过 android-sdk\build-tools\29.0.2 上面的 aapt.exe 工具取得
配置好后，点击 Star Session，看到模拟器启动抖音 app 则证实环境配置无误。
业务场景阐明
有了运行环境，接下来介绍下本次的需要，关上模拟器中装置的抖音 app，首先下滑刷新视频，再进入用户主页，别离对主页数据，关注数据，粉丝数据，作品和喜爱页签进行采集。appium 须要做的对应操作如下：
1. 下滑刷新视频
2. 左滑进入用户主页
3. 点击关注按钮
4. 开始下滑关注列表，直到呈现“临时没有更多了”
5. 返回用户主页
6. 点击粉丝按钮
7. 开始下滑粉丝列表，直到呈现“临时没有更多了”
8. 返回用户主页
9. 点击作品页签
10. 下滑作品视频列表，直到呈现“临时没有更多了”
11. 点击喜爱页签
12. 下滑喜爱视频列表，直到呈现“临时没有更多了”
13. 返回视频页面，反复步骤 1
代码筹备
装置 python 的 Appium 客户端：
pip install Appium-Python-Client筹备撸代码。
1. 启动 app
device_name = '127.0.0.1:62001'
device_port = '4723'
desired_caps = {
"platformName": "Android",
"platformVersion": "5.1.1",
"deviceName": device_name,
"appPackage": "com.ss.android.ugc.aweme",
"appActivity": "com.ss.android.ugc.aweme.main.MainActivity",
"noReset": True,
"unicodeKeyboard": True,
"resetKeyboard": True
}
device_driver = webdriver.Remote('http://127.0.0.1:' + str(device_port) + '/wd/hub', desired_caps)期待启动好了 app 之后，咱们开始解决业务 1，下滑刷新视频，此处调用本人封装的滑动办法：
swipe_page(device_driver, 0.5, 0.25, 0.5, 0.75)
def swipe_page(driver, x1, y1, x2, y2):
screen = AppiumOprationPage.get_size(driver)
screen_x1 = int(screen[0] * x1)
screen_y1 = int(screen[1] * y1)
screen_x2 = int(screen[0] * x2)
screen_y2 = int(screen[1] * y2)
driver.swipe(screen_x1, screen_y1, screen_x2, screen_y2)期待视频刷新进去后执行业务 2，疾速左滑进入用户主页：
flick_page(device_driver, 0.8, 0.5, 0.2, 0.5)此处 flick 办法和 swipe 办法外部是一样的，appium 提供了两个滑动办法，swipe 为一般滑动，通过给定坐标进行滑动，flick 为疾速滑动，通过给定坐标滑动之后开始做均加速滑动直到进行，滑动速度较快。
进入用户主页之后，咱们须要判断按钮的 id，标签地位等参数来进行点击，接下来次要介绍如何获取【关注】的标签地位：
应用 appium 启动 app 后，手动滑动进入用户主页，此时刷新 appium 页面两头的刷新按钮，点击右边的【关注】，此时能够看到两头列出的 xml 构造，以及右侧的按钮根本信息，通过这些信息，能够失去一个关注按钮的 Xpath：
//android.widget.TextView[@text='关注']
再对这个按钮进行点击即可进入关注页面，开始循环下滑到底即可：
driver.find_element_by_xpath("//android.widget.TextView[@text=' 关注 ']").click()
flick_page(device_driver, 0.5, 0.75, 0.5, 0.25)实现下滑后，须要用同样的办法获取到返回上一层按钮的 xpath：
//android.widget.ImageView[@resource-id='com.ss.android.ugc.aweme:id/nj']而后点击返回上一层回到用户主页：
driver.find_element_by_xpath("//android.widget.ImageView[@resource-id='com.ss.android.ugc.aweme:id/nj']").click()
tips：
1. 获取 xpath 不要应用绝对路径，通过大量测试，绝对路径在不同环境下是不一样的，应用相对路径则比较稳定
2. 能够应用一些页面文字元素，id 进行绝对定位，再取到最终须要的元素
3. 不要应用 resource-id 进行定位，通过大量测试，这个 id 不是惟一的，只能定位到第一个
4. 也能够应用 android-sdk\tools 上面的 uiautomatorviewer 工具进行 xpath 定位，不过须要降级 uiautomatorviewer，通过大量测试，对于抖音 app 的一些高版本，uiautomatorviewer 无奈获取其 xpath。
通过同样的办法，别离点击【关注】【粉丝】【作品】【喜爱】，即可进行一个残缺的操作，在应用上一次讲到的 mitmproxy 进行代理，将所有的数据进行解析入库，便可将所有的数据采集到本人的数据库中，或者将视频下载到本地硬盘。
进阶
以上办法，通过大量的测试，每天采集的数据十分无限，问题如下：
1. 一台模拟器，滑动速度无限
2. 数据解析效率不高
针对以上两点问题，起初又退出了新计划，反对了模拟器的横向扩大（须要电脑硬件条件达标），以及数据的分布式解析，批量入库。
新计划实现后，两天的测试，应用了两台模拟器滑动采集，第一天 10 小时，采集了 53 万数据，而第二天，做了性能测试，10 小时数据量居然达到了 111.6 万，在测试过程中，感觉数据解析始终没有达到饱和，预测能够拖 4 台模拟器，只是我的电脑硬件配置没那么高，跑不了 4 台模拟器，所以就没有进行极限测试。
如下为两台模拟器滑动过程截图，以及每天采集数据量的一个统计图：
更多抖音，快手，小红书数据实时采集接口，请查看文档：TiToData
