共计 3131 个字符,预计需要花费 8 分钟才能阅读完成。
记录一下如何用 python 爬取 app 数据,本文以爬取抖音视频 app 为例。
编程工具:pycharm
app 抓包工具:mitmproxy
app 自动化工具:appium
运行环境:windows10
思路:
假如曾经配置好咱们所须要的工具
1、应用 mitmproxy 对手机 app 抓包获取咱们想要的内容
2、利用 appium 自动化测试工具,驱动 app 模仿人的动作(滑动、点击等)
3、将 1 和 2 相结合达到自动化爬虫的成果
一、mitmproxy/mitmdump 抓包
确保曾经装置好了 mitmproxy,并且手机和 PC 处于同一个局域网下,同时也配置好了 mitmproxy 的 CA 证书,网上有很多相干的配置教程,这里我就略过了。
因为 mitmproxy 不反对 windows 零碎,所以这里用的是它的组件之一 mitmdump,它是 mitmproxy 的命令行接口,能够利用它对接咱们的 Python 脚本,用 Python 实现监听后的解决。
在配置好 mitmproxy 之后, 在管制台上输出 mitmdump 并在手机上关上抖音 app,mitmdump 会出现手机上的所有申请,如下图
能够在抖音 app 始终往下滑,看 mitmdump 所展现的申请,会发现前缀别离为
http://v1-dy.ixigua.com/;http://v3-dy.ixigua.com/;http://v9-dy.ixigua.com/
这 3 个类型前缀的 url 正是咱们的指标抖音视频 url。
那接下来就要编写 python 脚本将视频下载下来,须要应用 mitmdump -s scripts.py(此处为 python 文件名)来执行脚本。
import requests
# 文件门路
path = 'D:/video/'
num = 1788
def response(flow):
global num
# 经测试发现视频 url 前缀次要是 3 个
target_urls = ['http://v1-dy.ixigua.com/', 'http://v9-dy.ixigua.com/',
'http://v3-dy.ixigua.com/']
for url in target_urls:
# 过滤掉不须要的 url
if flow.request.url.startswith(url):
# 设置视频名
filename = path + str(num) + '.mp4'
# 应用 request 获取视频 url 的内容
# stream=True 作用是推延下载响应体直到拜访 Response.content 属性
res = requests.get(flow.request.url, stream=True)
# 将视频写入文件夹
with open(filename, 'ab') as f:
f.write(res.content)
f.flush()
print(filename + '下载实现')
num += 1
代码写得比拟毛糙,不过根本的逻辑还是比拟清晰的,这样咱们就能够把抖音的视频下载下来,不过这个办法有个缺点,就是获取视频须要人来一直地滑动抖音的下一个视频,这时候咱们能够用一个弱小的 appium 自动化测试工具来解决。
二、Appium 对手机进行模仿操作
确保曾经配置好 appium 所依赖的环境 Android 和 SDK,网上也有许多教程,这里我就不说了。
appium 的用法很简略,首先咱们先关上 appium,启动界面如下
点击 Start Server 按钮即可启动 appium 服务
将 Android 手机通过数据线与 PC 相连,同时关上 USB 调试性能,能够输出 adb 命令(具体能够去网上查找)测试连贯状况,若呈现以下后果,则阐明连贯胜利
model 是设施名,前面配置须要用到。之后点击下图箭头所指的按钮就会呈现一个配置页面
在右下角的 JSON Representation 配置启动 app 的 Desired Capabilities 参数,别离是 paltformName、deviceName、appPackage、appActivity。
platformName: 平台名称,个别是 Android 或 iOS.
deviceName: 设施名称,手机的具体类型
appPackage:App 程序包名
appActivity: 入口 Activity 名,通常以. 结尾
platformName 和 deviceName 比拟容易取得,而 appPackage 和 appActivity 这两个能够通过以下办法获取到。
在管制台上输出 adb logcat>D:\log.log 命令,并且在手机关上抖音 app,而后在 D 盘中关上 log.log 文件,查找 Displayed 关键字
由上图能够晓得 Displayed 前面的 com.ss.android.ugc.aweme 对应的是 appPackage,.main.MainActivity 对应的是 appActivity,最初咱们的配置后果如下:
{
"platformName": "Android",
"deviceName": "Mi_Note_3",
"appPackage": "com.ss.android.ugc.aweme",
"appActivity": ".main.MainActivity"
}
再点击 Start Session 即可启动 Android 手机上的抖音 app 并进入到启动页面,同时 PC 上会弹出一个调试窗口,从这个窗口能够预览以后手机页面,还能够对手机模仿各种操作,在本文不是重点,所以略过。
在上面咱们将应用 python 脚本来驱动 app,间接在 pycharm 运行即可
from appium import webdriver
from time import sleep
class Action():
def __init__(self):
# 初始化配置,设置 Desired Capabilities 参数
self.desired_caps = {
"platformName": "Android",
"deviceName": "Mi_Note_3",
"appPackage": "com.ss.android.ugc.aweme",
"appActivity": ".main.MainActivity"
}
# 指定 Appium Server
self.server = 'http://localhost:4723/wd/hub'
# 新建一个 Session
self.driver = webdriver.Remote(self.server, self.desired_caps)
# 设置滑动初始坐标和滑动间隔
self.start_x = 500
self.start_y = 1500
self.distance = 1300
def comments(self):
sleep(2)
# app 开启之后点击一次屏幕,确保页面的展现
self.driver.tap([(500, 1200)], 500)
def scroll(self):
# 有限滑动
while True:
# 模仿滑动
self.driver.swipe(self.start_x, self.start_y, self.start_x,
self.start_y-self.distance)
# 设置延时期待
sleep(2)
def main(self):
self.comments()
self.scroll()
if __name__ == '__main__':
action = Action()
action.main()
上面是爬虫的过程。ps: 偶然会爬取到反复的视频
——————————————————————————————————————————————
TiToData:业余的短视频、直播数据接口服务平台。
更多信息请分割:TiToData
笼罩支流平台:抖音,快手,小红书,TikTok,YouTube