Python3爬蟲中Appium爬取微信朋友圈的方法

小編給大家分享一下Python3爬蟲中Appium爬取微信朋友圈的方法，相信大部分人都還不怎么了解，因此分享這篇文章給大家學(xué)習(xí)，希望大家閱讀完這篇文章后大所收獲，下面讓我們一起去學(xué)習(xí)方法吧！

Appium 爬取微信朋友圈

接下來，我們將實(shí)現(xiàn)微信朋友圈的爬取。

如果直接用 Charles 或 mitmproxy 來監(jiān)聽微信朋友圈的接口數(shù)據(jù)，這是無法實(shí)現(xiàn)爬取的，因?yàn)閿?shù)據(jù)都是被加密的。而 Appium 不同，Appium 作為一個(gè)自動(dòng)化測試工具可以直接模擬 App 的操作并可以獲取當(dāng)前所見的內(nèi)容。所以只要 App 顯示了內(nèi)容，我們就可以用 Appium 抓取下來。

更多相關(guān)內(nèi)容，可以參考這篇文章：《Python3爬蟲入門：Appium的基本使用》

1. 本節(jié)目標(biāo)

本節(jié)我們以 Android 平臺(tái)為例，實(shí)現(xiàn)抓取微信朋友圈的動(dòng)態(tài)信息。動(dòng)態(tài)信息包括好友昵稱、正文、發(fā)布日期。其中發(fā)布日期還需要進(jìn)行轉(zhuǎn)換，如日期顯示為 1 小時(shí)前，則時(shí)間轉(zhuǎn)換為今天，最后動(dòng)態(tài)信息保存到 MongoDB。

2. 準(zhǔn)備工作

請(qǐng)確保 PC 已經(jīng)安裝好 Appium、Android 開發(fā)環(huán)境和 Python 版本的 Appium API。Android 手機(jī)安裝好微信 App、PyMongo 庫，安裝 MongoDB 并運(yùn)行其服務(wù)，安裝方法可以參考第 1 章。

3. 初始化

首先新建一個(gè) Moments 類，進(jìn)行一些初始化配置，如下所示：

PLATFORM = 'Android'
DEVICE_NAME = 'MI_NOTE_Pro'
APP_PACKAGE = 'com.tencent.mm'
APP_ACTIVITY = '.ui.LauncherUI'
DRIVER_SERVER = 'http://localhost:4723/wd/hub'
TIMEOUT = 300
MONGO_URL = 'localhost'
MONGO_DB = 'moments'
MONGO_COLLECTION = 'moments'
class Moments():
    def __init__(self):
        """初始化"""
        # 驅(qū)動(dòng)配置
        self.desired_caps = {
            'platformName': PLATFORM,
            'deviceName': DEVICE_NAME,
            'appPackage': APP_PACKAGE,
            'appActivity': APP_ACTIVITY
        }
        self.driver = webdriver.Remote(DRIVER_SERVER, self.desired_caps)
        self.wait = WebDriverWait(self.driver, TIMEOUT)
        self.client = MongoClient(MONGO_URL)
        self.db = self.client[MONGO_DB]
        self.collection = self.db[MONGO_COLLECTION]

這里實(shí)現(xiàn)了一些初始化配置，如驅(qū)動(dòng)的配置、延時(shí)等待配置、MongoDB 連接配置等。

4. 模擬登錄

接下來要做的就是登錄微信。點(diǎn)擊登錄按鈕，輸入用戶名、密碼，提交登錄即可。實(shí)現(xiàn)樣例如下所示：

def login(self):
    # 登錄按鈕
    login = self.wait.until(EC.presence_of_element_located((By.ID, 'com.tencent.mm:id/cjk')))
    login.click()
    # 手機(jī)輸入
    phone = self.wait.until(EC.presence_of_element_located((By.ID, 'com.tencent.mm:id/h3')))
    phone.set_text(USERNAME)
    # 下一步
    next = self.wait.until(EC.element_to_be_clickable((By.ID, 'com.tencent.mm:id/adj')))
    next.click()
    # 密碼
    password = self.wait.until(EC.presence_of_element_located((By.XPATH, '//*[@resource-id="com.tencent.mm:
    id/h3"]
    [1]')))
    password.set_text(PASSWORD)
    # 提交
    submit = self.wait.until(EC.element_to_be_clickable((By.ID, 'com.tencent.mm:id/adj')))
    submit.click()

這里依次實(shí)現(xiàn)了一些點(diǎn)擊和輸入操作，思路比較簡單。對(duì)于不同的平臺(tái)和版本來說，流程可能不太一致，這里僅作參考。

登錄完成之后，進(jìn)入朋友圈的頁面。選中朋友圈所在的選項(xiàng)卡，點(diǎn)擊朋友圈按鈕，即可進(jìn)入朋友圈，代碼實(shí)現(xiàn)如下所示：

def enter(self):
    # 選項(xiàng)卡
    tab = self.wait.until(EC.presence_of_element_located((By.XPATH, '//*[@resource-id="com.tencent.mm:id/bw3"]
    [3]')))
    tab.click()
    # 朋友圈
    moments = self.wait.until(EC.presence_of_element_located((By.ID, 'com.tencent.mm:id/atz')))
    moments.click()

抓取工作正式開始。

5. 抓取動(dòng)態(tài)

我們知道朋友圈可以一直拖動(dòng)、不斷刷新，所以這里需要模擬一個(gè)無限拖動(dòng)的操作，如下所示：

# 滑動(dòng)點(diǎn)
FLICK_START_X = 300
FLICK_START_Y = 300
FLICK_DISTANCE = 700
def crawl(self):
    while True:
        # 上滑
        self.driver.swipe(FLICK_START_X, FLICK_START_Y + FLICK_DISTANCE, FLICK_START_X, FLICK_START_Y)

我們利用 swipe() 方法，傳入起始和終止點(diǎn)實(shí)現(xiàn)拖動(dòng)，加入無限循環(huán)實(shí)現(xiàn)無限拖動(dòng)。

獲取當(dāng)前顯示的朋友圈的每條狀態(tài)對(duì)應(yīng)的區(qū)塊元素，遍歷每個(gè)區(qū)塊元素，再獲取內(nèi)部顯示的用戶名、正文和發(fā)布時(shí)間，代碼實(shí)現(xiàn)如下所示：

# 當(dāng)前頁面顯示的所有狀態(tài)
items = self.wait.until(
    EC.presence_of_all_elements_located((By.XPATH, '//*[@resource-id="com.tencent.mm:id/cve"]//android.widget.
    FrameLayout')))
# 遍歷每條狀態(tài)
for item in items:
    try:
        # 昵稱
        nickname = item.find_element_by_id('com.tencent.mm:id/aig').get_attribute('text')
        # 正文
        content = item.find_element_by_id('com.tencent.mm:id/cwm').get_attribute('text')
        # 日期
        date = item.find_element_by_id('com.tencent.mm:id/crh').get_attribute('text')
        # 處理日期
        date = self.processor.date(date)
        print(nickname, content, date)
        data = {
            'nickname': nickname,
            'content': content,
            'date': date,
        }   
    except NoSuchElementException:
        pass

這里遍歷每條狀態(tài)，再調(diào)用 find_element_by_id() 方法獲取昵稱、正文、發(fā)布日期對(duì)應(yīng)的元素，然后通過 get_attribute() 方法獲取內(nèi)容。這樣我們就成功獲取到朋友圈的每條動(dòng)態(tài)信息。

針對(duì)日期的處理，我們調(diào)用了一個(gè) Processor 類的 date() 處理方法，該方法實(shí)現(xiàn)如下所示：

def date(self, datetime):
    """
    處理時(shí)間
    :param datetime: 原始時(shí)間
    :return: 處理后時(shí)間
    """
    if re.match('d + 分鐘前 ', 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 + 小時(shí)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

這個(gè)方法使用了正則匹配的方法來提取時(shí)間中的具體數(shù)值，再利用時(shí)間轉(zhuǎn)換函數(shù)實(shí)現(xiàn)時(shí)間的轉(zhuǎn)換。例如時(shí)間是 5 分鐘前，這個(gè)方法先將 5 提取出來，用當(dāng)前時(shí)間戳減去 300 即可得到發(fā)布時(shí)間的時(shí)間戳，然后再轉(zhuǎn)化為標(biāo)準(zhǔn)時(shí)間即可。

最后調(diào)用 MongoDB 的 API 來實(shí)現(xiàn)爬取結(jié)果的存儲(chǔ)。為了去除重復(fù)，這里調(diào)用了 update() 方法，實(shí)現(xiàn)如下所示：

self.collection.update({'nickname': nickname, 'content': content}, {'$set': data}, True)

首先根據(jù)昵稱和正文來查詢信息，如果信息不存在，則插入數(shù)據(jù)，否則更新數(shù)據(jù)。這個(gè)操作的關(guān)鍵點(diǎn)是第三個(gè)參數(shù) True，此參數(shù)設(shè)置為 True，這可以實(shí)現(xiàn)存在即更新、不存在則插入的操作。

最后實(shí)現(xiàn)一個(gè)入口方法調(diào)用以上的幾個(gè)方法。調(diào)用此方法即可開始爬取，代碼實(shí)現(xiàn)如下所示：

def main(self):
    # 登錄
    self.login()
    # 進(jìn)入朋友圈
    self.enter()
    # 爬取
    self.crawl()

這樣我們就完成了整個(gè)朋友圈的爬蟲。代碼運(yùn)行之后，手機(jī)微信便會(huì)啟動(dòng)，并且可以成功進(jìn)入到朋友圈然后一直不斷執(zhí)行拖動(dòng)過程?？刂婆_(tái)輸出相應(yīng)的爬取結(jié)果，結(jié)果被成功保存到 MongoDB 數(shù)據(jù)庫中。

6. 結(jié)果查看

我們到 MongoDB 中查看爬取結(jié)果，如圖 11-46 所示。

可以看到朋友圈的數(shù)據(jù)就成功保存到了數(shù)據(jù)庫。

以上是Python3爬蟲中Appium爬取微信朋友圈的方法的所有內(nèi)容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內(nèi)容對(duì)大家有所幫助，如果還想學(xué)習(xí)更多知識(shí)，歡迎關(guān)注億速云行業(yè)資訊頻道！