Python自动化爬取App数据

淩亂°似流年 2022-02-15 00:23 390阅读 0赞

![Python自动化爬取App数据][Python_App]

# 基本环境配置 #

版本：Python3

系统：Windows

需要安装：

1.JDK - Download JDK，Appium要求用户必须配置JAVA环境, 否则启动Seesion报错。

2.Appium - Download Appium, 安装过程请自行搜索。

3.Android SDK - Download SDK

4. Selenium - 建议使用低版本的Python Selenium库，在Chrome高版本可能会报错。例如：

pip3 install selenium==2.48.0

5. chromedriver.exe - Download Chromedriver, 确保版本要匹配, 然后将 .exe 程序放在"..PythonPython36Scripts"目录下。

6. pymongo

pip3 install pymongo

7. MongoDB Server - Download MongoDB

# 爬取思路 #

**爬取思路：**

*  模拟登录
 *  抓取动态
 *  保存数据

# Android SDK的安装与配置 #

打开Android Studio, 选择"Configure->SDK Manager->Apperance&Behavior->System Settings->Android SDK", 选择对应安卓机版本的SDK，如图：

![Python自动化爬取App数据][Python_App 1]

> 此外，还需要将SDK所在路径添加到系统环境变量中，否则报错。

# Desired Capabilites 参数 #

> 分别是：platfornName, deviceName, appPackage, appActivity。前两个可通过如下命令获取, 前提是连接手机、打开USB调试：

adb devices -l

![Python自动化爬取App数据][Python_App 2]

> 后两个参数请移步：获取appPackage和appActivity

# 开启安卓的" 开发者选项、USB调试 " #

测试之前，确保打开 开发者选项、USB调试。开发者模式确保调试程序在手机安装辅助软件：Unlock, Appium Settings；USB调试主要是利用Appium内置驱动打开APP。此外，要保持屏幕常亮。

# 5. 节点ID或XPATH值获取 #

安卓微信节点获取，相对比较容易获取，比如获取"登录"ID值，启动Session后只需点击屏幕左侧安卓屏的登录按钮，中间就会自动定位到所在节点，最右侧还会显示该节点的所有属性。如图：

![Python自动化爬取App数据][Python_App 3]

> 对于文本输入框，只需要点击最右侧的"send text"即可。

# "是否匹配通讯录" #

这里选择"否", 理由：重新登录进入微信后会自动加载本地数据，耗时较长，如果匹配通讯录好友，增加耗时，可能在TIMEOUT时间内获取不到节点，导致程序终止。我这里选择了"是", 如图：

![Python自动化爬取App数据][Python_App 4]

# 朋友圈信息获取思路 #

获取当前显示的朋友圈每条状态对应的区块元素，遍历每个区块元素，再获取内部显示的用户名、正文、发布时间，代码如下：

# items存储当前页面所有发布的朋友圈信息
    items = self.wait.until(
     EC.presence_of_all_elements_located(
     # 每个ej9节点对应一条朋友圈数据
     (By.XPATH, '//*[@resource-id="com.tencent.mm:id/ej9"]/android.widget.LinearLayout')))
    for item in items:
     try:
     # 昵称
     nickname = item.find_element_by_id('com.tencent.mm:id/b5o').get_attribute('text')
     # 正文
     content = item.find_element_by_id('com.tencent.mm:id/ejc').get_attribute('text')
     # 日期
     date = item.find_element_by_id('com.tencent.mm:id/eec').get_attribute('text')
     # 处理日期
     date = self.processor.date(date)
     data = {
     'nickname': nickname,
     'content': content,
     'date': date,
     }

# 日期处理 #

日期处理的实现方式，代码如下：

class Processor():
     def date(self, datetime):
     """
     格式化时间
     :param date: 原始时间
     :return: 处理后时间
     """
     if re.match('d+分钟前', datetime):
     minute = re.match('(d+)', datetime).group(1)
     datetime = time.strftime('%Y-%m-%d', time.localtime(time.time() - float(minute) * 60))
     if re.match('d+小时前', datetime):
     hour = re.match('(d+)', datetime).group(1)
     datetime = time.strftime('%Y-%m-%d', time.localtime(time.time() - float(hour) * 60 * 60))
     if re.match('昨天', datetime):
     datetime = time.strftime('%Y-%m-%d', time.localtime(time.time() - 24 * 60 * 60))
     if re.match('d+天前', datetime):
     day = re.match('(d+)', datetime).group(1)
     datetime = time.strftime('%Y-%m-%d', time.localtime((time.time()) - float(day) * 24 * 60 * 60))
     return datetime

# 完整代码 #

![Python自动化爬取App数据][Python_App 5]

# 注意事项： #

1.  代码中所有节点都须提前通过 Appium新建Session获取(亲测同版本的微信中vivo\_x7和Mi\_8节点相同,其余机型未知)
2.  建议使用高性能手机测试(MI\_8|MI\_9等)

# 运行结果 #

![Python自动化爬取App数据][Python_App 6]

[Python_App]: http://p1.pstatp.com/large/dfic-imagehandler/bddd5891-c27a-4fb3-a8f5-a43dcf1cd3a1
[Python_App 1]: http://p1.pstatp.com/large/pgc-image/cf7bf641b79b40c4a35b95f34ed7eb3f
[Python_App 2]: /images/20220215/efc41c703d7e4a8fb7ebd4ed28d9f37c.png
[Python_App 3]: http://p1.pstatp.com/large/pgc-image/8355d542a91a4908b2344c3465792bf3
[Python_App 4]: /images/20220215/9601fd7602a4468a8edacc94dc565fe6.png
[Python_App 5]: http://p1.pstatp.com/large/pgc-image/16d33b42cca0491aa30d0ebaf52c8e4f
[Python_App 6]: http://p9.pstatp.com/large/pgc-image/b07cf81c1f9345b681725980382f485a