您好,登錄后才能下訂單哦!
本篇文章給大家分享的是有關(guān)Python怎么爬取當(dāng)當(dāng)網(wǎng)APP數(shù)據(jù),小編覺得挺實(shí)用的,因此分享給大家學(xué)習(xí),希望大家閱讀完這篇文章后可以有所收獲,話不多說(shuō),跟著小編一起來(lái)看看吧。
場(chǎng)景:有時(shí)候通過傳統(tǒng)的方法去爬一些 Web 網(wǎng)頁(yè)或者 APP,受限于對(duì)方的反爬方案,很難爬到想要的數(shù)據(jù),這個(gè)時(shí)候可以考慮使用「Appium」結(jié)合「mitmproxy」的方式去爬取數(shù)據(jù)。
其中,Appium 負(fù)責(zé)驅(qū)動(dòng) App 端自動(dòng)化運(yùn)行,mitmproxy 負(fù)責(zé)截取請(qǐng)求數(shù)據(jù)并解析保存到數(shù)據(jù)庫(kù)。
今天的目的是爬取「當(dāng)當(dāng)網(wǎng)」的所有數(shù)據(jù),并保存到 MongoDB 數(shù)據(jù)庫(kù)當(dāng)中。
首先,需要在 PC 上安裝好 Charles 和 Appium Desktop,并配置好 mitmproxy 環(huán)境。
# 安裝mitmproxy依賴包 pip3 install mitmproxy # 安裝pymongodb pip3 install pymongo
另外,需要準(zhǔn)備一臺(tái) Android 手機(jī),另外 PC 端配置好 Android 開發(fā)環(huán)境。
1. 在配置好手動(dòng)代理的情況下,打開 Charles 實(shí)時(shí)捕獲客戶端的發(fā)起的網(wǎng)絡(luò)請(qǐng)求。
打開當(dāng)當(dāng)網(wǎng)搜索商品的頁(yè)面,搜索關(guān)鍵字「Python」,可以在 Charles 查看到當(dāng)前請(qǐng)求的 URL 地址包含:「word=Python」
編寫 mitmproxy 的執(zhí)行腳本文件,重寫 response() 函數(shù),通過對(duì)請(qǐng)求的 URL 進(jìn)行過濾,對(duì)有用的數(shù)據(jù)進(jìn)行整理并保存到 MongoDB 數(shù)據(jù)庫(kù)當(dāng)中。
class DangDangMongo(object): """ 初始化MongoDB數(shù)據(jù)庫(kù) """ def __init__(self): self.client = MongoClient('localhost') self.db = self.client['admin'] self.db.authenticate("root", "xag") self.dangdang_book_collection = self.db['dangdang_book'] def response(flow): # 過濾請(qǐng)求的URL if 'keyword=Python' in request.url: data = json.loads(response.text.encode('utf-8')) # 書籍 products = data.get('products') or None product_datas = [] for product in products: # 書ID product_id = product.get('id') # 書名 product_name = product.get('name') # 書價(jià)格 product_price = product.get('price') # 作者 authorname = product.get('authorname') # 出版社 publisher = product.get('publisher') product_datas.append({ 'product_id': product_id, 'product_name': product_name, 'product_price': product_price, 'authorname': authorname, 'publisher': publisher }) DangDangMongo().dangdang_book_collection.insert_many(product_datas) print('成功插入數(shù)據(jù)成功')
先打開客戶端的手動(dòng)代理監(jiān)聽 8080 端口,然后執(zhí)行「mitmdump」命令,然后滾動(dòng)商品界面,發(fā)現(xiàn)數(shù)據(jù)到寫入到數(shù)據(jù)庫(kù)中了。
mitmdump -s script_dangdang.py
2. 下面我們要利用 Appium 幫我們實(shí)現(xiàn) 自動(dòng)化。
首先打開 Appium Desktop,并啟動(dòng)服務(wù)。
獲取到包名和初始 Activity 后,就可以利用 WebDriver 去模擬打開當(dāng)當(dāng)網(wǎng) APP。
self.caps = { 'automationName': DRIVER, 'platformName': PLATFORM, 'deviceName': DEVICE_NAME, 'appPackage': APP_PACKAGE, 'appActivity': APP_ACTIVITY, 'platformVersion': ANDROID_VERSION, 'autoGrantPermissions': AUTO_GRANT_PERMISSIONS, 'unicodeKeyboard': True, 'resetKeyboard': True } self.driver = webdriver.Remote(DRIVER_SERVER, self.caps)
接著使用 Android SDK 自帶的工具 uiautomatorviewer 獲取到元素信息,使用 Appium 中的 WebDriver 去操作 UI 元素。
第一次打開應(yīng)用的時(shí)候,可能會(huì)出現(xiàn)紅包雨對(duì)話框、新人專享紅包對(duì)話框、切換城市對(duì)話框,這里需要通過元素 ID 獲取到關(guān)閉按鈕,執(zhí)行點(diǎn)擊操作來(lái)關(guān)閉這些對(duì)話框。
這里創(chuàng)建一個(gè) 新的線程 來(lái)單獨(dú)處理這些對(duì)話框。
class ExtraJob(threading.Thread): def run(self): while self.__running.isSet(): # 為True時(shí)立即返回, 為False時(shí)阻塞直到內(nèi)部的標(biāo)識(shí)位為True后返回 self.__flag.wait() # 1.0 【紅包雨】對(duì)話框 red_packet_element = is_element_exist(self.driver, 'com.dangdang.buy2:id/close') if red_packet_element: red_packet_element.click() # 1.1 【新人專享券】對(duì)話框 new_welcome_page_sure_element = is_element_exist(self.driver, 'com.dangdang.buy2:id/dialog_cancel_tv') if new_welcome_page_sure_element: new_welcome_page_sure_element.click() # 1.2 【切換位置】對(duì)話框 change_city_cancle_element = is_element_exist(self.driver, 'com.dangdang.buy2:id/left_bt') if change_city_cancle_element: change_city_cancle_element.click() extra_job = ExtraJob(dangdang.driver) extra_job.start()
接下來(lái)就是點(diǎn)擊搜索按鈕,然后輸入內(nèi)容,執(zhí)行點(diǎn)擊搜索對(duì)話框。
# 1.搜索框 search_element_pro = self.wait.until( EC.presence_of_element_located((By.ID, 'com.dangdang.buy2:id/index_search'))) search_element_pro.click() search_input_element = self.wait.until( EC.presence_of_element_located((By.ID, 'com.dangdang.buy2:id/search_text_layout'))) search_input_element.set_text(KEY_WORD) # 2.搜索對(duì)話框,開始檢索 search_btn_element = self.wait.until( EC.element_to_be_clickable((By.ID, 'com.dangdang.buy2:id/search_btn_search'))) search_btn_element.click() # 3.休眠3秒,保證第一頁(yè)的內(nèi)容加載完全 time.sleep(3)
待第一頁(yè)的數(shù)據(jù)加載完全之后,可以一直向上滾動(dòng)頁(yè)面,直到數(shù)據(jù)全部被加載完全,數(shù)據(jù)會(huì)由 mitmproxy 自動(dòng)保存到 MongoDB 數(shù)據(jù)庫(kù)當(dāng)中。
while True: str1 = self.driver.page_source self.driver.swipe(FLICK_START_X, FLICK_START_Y + FLICK_DISTANCE, FLICK_START_X, FLICK_START_X) time.sleep(1) str2 = self.driver.page_source if str1 == str2: print('停止滑動(dòng)') # 停止線程 extra_job.stop() break print('繼續(xù)滑動(dòng)'
首先使用 mitmdump 開啟請(qǐng)求監(jiān)聽的服務(wù),然后執(zhí)行爬取腳本。
App 會(huì)自動(dòng)打開,執(zhí)行一系列操作后,到達(dá)商品界面,然后自動(dòng)滑動(dòng)界面,通過 mitmproxy 自動(dòng)把有用的數(shù)據(jù)保存到 MongoDB 數(shù)據(jù)庫(kù)中。
以上就是Python怎么爬取當(dāng)當(dāng)網(wǎng)APP數(shù)據(jù),小編相信有部分知識(shí)點(diǎn)可能是我們?nèi)粘9ぷ鲿?huì)見到或用到的。希望你能通過這篇文章學(xué)到更多知識(shí)。更多詳情敬請(qǐng)關(guān)注億速云行業(yè)資訊頻道。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。