記錄一下如何用python爬取app數(shù)據(jù)，本文以爬取抖音視頻app為例。

編程工具：pycharm

app抓包工具：mitmproxy

app自動化工具：appium

運行環(huán)境：windows10

思路：

假設(shè)已經(jīng)配置好我們所需要的工具

1、使用mitmproxy對手機app抓包獲取我們想要的內(nèi)容

2、利用appium自動化測試工具，驅(qū)動app模擬人的動作（滑動、點擊等）

3、將1和2相結(jié)合達(dá)到自動化爬蟲的效果

一、mitmproxy/mitmdump抓包

確保已經(jīng)安裝好了mitmproxy，并且手機和PC處于同一個局域網(wǎng)下，同時也配置好了mitmproxy的CA證書，網(wǎng)上有很多相關(guān)的配置教程，這里我就略過了。

因為mitmproxy不支持windows系統(tǒng)，所以這里用的是它的組件之一mitmdump，它是mitmproxy的命令行接口，可以利用它對接我們的Python腳本，用Python實現(xiàn)監(jiān)聽后的處理。

在配置好mitmproxy之后,在控制臺上輸入mitmdump并在手機上打開抖音app，mitmdump會呈現(xiàn)手機上的所有請求，如下圖

可以在抖音app一直往下滑，看mitmdump所展示的請求，會發(fā)現(xiàn)前綴分別為

http://v1-dy.ixigua.com/；http://v3-dy.ixigua.com/；http://v9-dy.ixigua.com/

這3個類型前綴的url正是我們的目標(biāo)抖音視頻url。

那接下來就要編寫python腳本將視頻下載下來，需要使用 mitmdump -s scripts.py（此處為python文件名）來執(zhí)行腳本。

import requests
# 文件路徑
path = 'D:/video/'
num = 1788
 
 
def response(flow):
 global num
 # 經(jīng)測試發(fā)現(xiàn)視頻url前綴主要是3個
 target_urls = ['http://v1-dy.ixigua.com/', 'http://v9-dy.ixigua.com/',
     'http://v3-dy.ixigua.com/']
 for url in target_urls:
  # 過濾掉不需要的url
  if flow.request.url.startswith(url):
   # 設(shè)置視頻名
   filename = path + str(num) + '.mp4'
   # 使用request獲取視頻url的內(nèi)容
   # stream=True作用是推遲下載響應(yīng)體直到訪問Response.content屬性
   res = requests.get(flow.request.url, stream=True)
   # 將視頻寫入文件夾
   with open(filename, 'ab') as f:
    f.write(res.content)
    f.flush()
    print(filename + '下載完成')
   num += 1

代碼寫得比較粗糙，不過基本的邏輯還是比較清晰的，這樣我們就可以把抖音的視頻下載下來，不過這個方法有個缺陷，就是獲取視頻需要人來不斷地滑動抖音的下一個視頻，這時候我們可以用一個強大的appium自動化測試工具來解決。

二、Appium對手機進(jìn)行模擬操作

確保已經(jīng)配置好appium所依賴的環(huán)境Android和SDK，網(wǎng)上也有許多教程，這里我就不說了。

appium的用法很簡單，首先我們先打開appium，啟動界面如下

點擊Start Server按鈕即可啟動appium服務(wù)

將Android手機通過數(shù)據(jù)線與PC相連，同時打開USB調(diào)試功能，可以輸入adb命令（具體可以去網(wǎng)上查找）測試連接情況，若出現(xiàn)以下結(jié)果，則說明連接成功

model是設(shè)備名，后面配置需要用到。之后點擊下圖箭頭所指的按鈕就會出現(xiàn)一個配置頁面

在右下角的JSON Representation配置啟動app的Desired Capabilities參數(shù)，分別是paltformName、deviceName、appPackage、appActivity。

platformName:平臺名稱，一般是Android或iOS.

deviceName:設(shè)備名稱，手機的具體類型

appPackage:App程序包名

appActivity:入口Activity名，通常以.開頭

platformName和deviceName比較容易獲得，而appPackage和appActivity這兩個可以通過以下方法獲取到。

在控制臺上輸入   adb logcat>D:\log.log  命令，并且在手機打開抖音app，然后在D盤中打開log.log文件，查找Displayed關(guān)鍵字

由上圖可以知道Displayed后面的 com.ss.android.ugc.aweme對應(yīng)的是appPackage，.main.MainActivity對應(yīng)的是appActivity，最后我們的配置結(jié)果如下：

{
 "platformName": "Android",
 "deviceName": "Mi_Note_3",
 "appPackage": "com.ss.android.ugc.aweme",
 "appActivity": ".main.MainActivity"
}

再點擊Start Session即可啟動Android手機上的抖音app并進(jìn)入到啟動頁面，同時PC上會彈出一個調(diào)試窗口，從這個窗口可以預(yù)覽當(dāng)前手機頁面，還可以對手機模擬各種操作，在本文不是重點，所以略過。

在下面我們將使用python腳本來驅(qū)動app，直接在pycharm運行即可

from appium import webdriver
from time import sleep
 
 
class Action():
 def __init__(self):
  # 初始化配置，設(shè)置Desired Capabilities參數(shù)
  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'
  # 新建一個Session
  self.driver = webdriver.Remote(self.server, self.desired_caps)
  # 設(shè)置滑動初始坐標(biāo)和滑動距離
  self.start_x = 500
  self.start_y = 1500
  self.distance = 1300
 
 def comments(self):
  sleep(2)
  # app開啟之后點擊一次屏幕，確保頁面的展示
  self.driver.tap([(500, 1200)], 500)
 
 def scroll(self):
  # 無限滑動
  while True:
   # 模擬滑動
   self.driver.swipe(self.start_x, self.start_y, self.start_x, 
        self.start_y-self.distance)
   # 設(shè)置延時等待
   sleep(2)
 
 def main(self):
  self.comments()
  self.scroll()
 
 
if __name__ == '__main__':
 
 action = Action()
 action.main()

下面是爬蟲的過程。ps:偶爾會爬取到重復(fù)的視頻

到此這篇關(guān)于使用python爬取抖音app視頻的文章就介紹到這了,更多相關(guān)python爬取抖音app視頻內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論