python爬取利用appium抓取得到APP课程数据导出到Excel进行分析，练习Python实现app抓取实例

python爬取APP爬取思路和方案选择：

用到的库：

openpyxl   #导出excel
appium     #自动化测试工具

思路一

通过抓包软件对APP进行抓包分析， 这种方式可以看到 App 在运行过程中发生的所有请求和响应。得知接口之后可以通过设置合适的请求头和各种参数来发送HTTP或者HTTPS请求接口，接口返回的数据就是想要数据了。

python爬取抓取得到APP课程数据分析，联系Python实现app抓取实例

这种方式一旦实现，基本上算是一劳永逸的，除非接口和返回数据定义发生变化。但是如果一些动态参数设置不对，访问接口则不能得到任何数据，换句话说，只要无法破解参数，这条路就是死路一条。

思路二

通过自动化测试工具模拟手工操作APP进行数据的爬取。通过向自动化测试工具（例如Appium）发送操作指令，驱动设备完成点击、输入、滑动等各种操作，分析页面数据完成数据爬取。

这种方式相比于方式一而言，并不会受限于请求头和动态参数，只要是人工可以操作的，自动化测试工具都可以帮助我们进行完成，而所有的APP的所有功能所有页面用户都可以进行操作，意味着APP内所有的数据都可以拿到。

方案选择

本人在尝试使用方式一的过程中，抓包分析接口之后发现有些动态参数无法搞定，故放弃该方式。采用方式二进行爬取。

爬取核心

Appium启动APP

使用Appium启动APP时需要配置参数：platformName、deviceName、appPackage、appActivity。配置完成之后Appium会自动查找手机上面的包名和入口类，然后将其启动。

platformName：平台名称，本文使用的是安卓平台，填写Android。
deviceName：设备名称。
appPackage：APP程序包。
appActivity：程序入口。

获取appPackage和appActivity的方法：

最简单有效的方法为使用命令行获取。使用Appium客户端连接到APP，将APP打开到需要获取appActivity的页面，执行下面命令：

adb shell
dumpsys activity | grep mFocusedActivity

 

python爬取抓取得到APP课程数据分析，联系Python实现app抓取实例

代码如下：

def __init__(self):
 print("init")
 self.desired_caps = {
 "platformName": "Android",
 "deviceName": "127.0.0.1:62001",
 'platformVersion': '5.1',
 "appPackage": "com.luojilab.player",
 "appActivity": "com.luojilab.business.HomeTabActivity", # 主页
 "noReset": True
 }
 self.driver = webdriver.Remote(DRIVER_SERVER, self.desired_caps)
 self.wait = WebDriverWait(self.driver, TIMEOUT)

这段代码的作用是使用Appium启动得到APP并进入主页。如图：

python爬取抓取得到APP课程数据分析，Python实现app抓取实例

 

点击“课程”按钮进入课程页

本文目的是课程的爬取app数据，所以需要点击课程进入课程页。人的操作是这样的的，首先在课程页面找到课程按钮，然后点击。程序的操作也是一样的：首先要定位到“课程”这个按钮，然后进行点击。

使用Appium定位元素

python爬取抓取得到APP课程数据分析，Python实现app抓取实例。 访客手机号抓取

 

点击选中左边“课程”按钮，可以看到这个元素的源代码，通过xpath定位：

course = self.driver.find_element_by_xpath("//android.widget.TextView[@text='课程']") # 课程

Appium可以进行点击的操作。点击课程按钮的代码如下：course.click()

定义课程数据类;

 

课程页面如图所示：

python爬取抓取得到APP课程数据分析，Python实现app抓取实例

从课程页面可以看到，一门课程展现出来的数据有：课程名称、课程摘要、作者姓名和头衔、单价以及销量。

从面向对象的思想来说，课程就是一个对象，这个对象有如下属性：课程名称、课程摘要、作者姓名和头衔、单价以及销量。用代码表示就是这样的：

class CourseData(object):
 def __init__(self, course_name, summary, lecturer_name_and_title, price, subscribe_num):
 super().__init__()
 self.course_name = course_name
 self.summary = summary
 self.lecturer_name_and_title = lecturer_name_and_title
 self.price = price
 self.subscribe_num = subscribe_num

获取所有课程数据

通过Appium分析页面的源代码，可以很容易解析得到课程的各种数据。

python爬取抓取得到APP课程数据分析，Python实现app抓取实例

代码如下：

course_names = temp.find_element_by_id('com.luojilab.player:id/column_name') #课程名称
summaries = temp.find_element_by_id('com.luojilab.player:id/summary') # 摘要
lecturer_name_and_titles = temp.find_element_by_id(
'com.luojilab.player:id/tv_name_and_title') # 讲师
prices = temp.find_element_by_id('com.luojilab.player:id/price') #价格
subscribe_nums = temp.find_element_by_id('com.luojilab.player:id/tv_subscribe_num') # 价格

当获取完一屏的数据，需要向上滑动继续获取数据。

Appium滑动API说明：

方法：swipe（int start x,int start y,int end x,int y,duration) 
参数说明：
int start x：开始滑动的x坐标；
int start y：开始滑动的y坐标 ；
int end x：结束点x坐标；
int end y：结束点y坐标； 
duration：滑动时间。

本文是从屏幕下部滑动到屏幕上部，滑动时间为2000ms。具体代码为：

self.driver.swipe(FLICK_START_X, FLICK_START_Y, FLICK_START_X,
 FLICK_START_Y + FLICK_DISTANCE,
 2000)

当无法滑动的时候，数据就获取完成了。

课程数据写入Excel

数据获取完成之后需要进行存储。Python中有专门操作Excel的库：openpyxl。本文使用openpyxl将爬取到的数据写入Excel进行保存。核心代码如下：

# 定义数据输出的Excel
try:
 wb = openpyxl.load_workbook(PATH)
except:
 wb = openpyxl.Workbook()
# wb = openpyxl.Workbook()
sheet_name = time.strftime("%F")
sheet = wb.create_sheet(sheet_name)
row = ["学院", "课程名称", "课程摘要", "主讲人", "单价", "销量", "销售金额"]
sheet.append(row)
...
wb.save(PATH)

完整代码

import openpyxl
from appium import webdriver
import time
​
from selenium.webdriver.support.wait import WebDriverWait
​
from config import DRIVER_SERVER, TIMEOUT, FLICK_START_X, FLICK_DISTANCE, FLICK_START_Y, PATH
​
​
class CourseData(object):
 def __init__(self, course_name, summary, lecturer_name_and_title, price, subscribe_num):
 super().__init__()
 self.course_name = course_name
 self.summary = summary
 self.lecturer_name_and_title = lecturer_name_and_title
 self.price = price
 self.subscribe_num = subscribe_num
​
 def __eq__(self, other):
 if self.course_name != other.course_name:
 return False
 if self.summary != other.summary:
 return False
 if self.lecturer_name_and_title != other.lecturer_name_and_title:
 return False
 if self.price != other.price:
 return False
 if self.subscribe_num != other.subscribe_num:
 return False
 return True
​
​
class Action():
 def __init__(self):
 print("init")
 self.desired_caps = {
 "platformName": "Android",
 "deviceName": "127.0.0.1:62001",
 'platformVersion': '5.1',
 "appPackage": "com.luojilab.player",
 "appActivity": "com.luojilab.business.HomeTabActivity", # 主页
 "noReset": True
 }
 self.driver = webdriver.Remote(DRIVER_SERVER, self.desired_caps)
 self.wait = WebDriverWait(self.driver, TIMEOUT)
​
 def entry(self):
 college_list = ["商学院", "能力学院", "视野学院", "人文社科", "科学学院"]
 wait = WebDriverWait(self.driver, 20)
​
 # 同意隐私条款
 print("agree")
 btn_aggree = self.driver.find_elements_by_id('com.luojilab.player:id/btn_agree')
 if btn_aggree != []:
 btn_aggree[0].click()
​
 # 定义数据输出的Excel
 try:
 wb = openpyxl.load_workbook(PATH)
 except:
 wb = openpyxl.Workbook()
 # wb = openpyxl.Workbook()
 sheet_name = time.strftime("%F")
 sheet = wb.create_sheet(sheet_name)
 row = ["学院", "课程名称", "课程摘要", "主讲人", "单价", "销量", "销售金额"]
 sheet.append(row)
 sheet.column_dimensions['A'].width = 15 # 学院
 sheet.column_dimensions['B'].width = 40 # 标题
 sheet.column_dimensions['C'].width = 40 # 摘要
 sheet.column_dimensions['D'].width = 40 # 作者
 sheet.column_dimensions['E'].width = 15 # 单价
 sheet.column_dimensions['F'].width = 15 # 销量
 sheet.column_dimensions['G'].width = 15 # 销售金额
​
 for col in college_list:
 print("enter course...")
 time.sleep(1)
 course = self.driver.find_element_by_xpath("//android.widget.TextView[@text='课程']") # 课程
 course.click()
​
 print("get college...")
 time.sleep(1)
 colleges = self.driver.find_element_by_id(
 'com.luojilab.player:id/college_filter_list').find_elements_by_xpath(
 '//android.widget.TextView')
 for college in colleges:
 print(college.text)
 if col in college.text:
 print(col, "click")
 shang_course_names = []
 shang_summaries = []
 shang_lecturer_name_and_titles = []
 shang_prices = []
 shang_subscribe_nums = []
 college.click()
 while True:
 time.sleep(2)
 temps = self.driver.find_element_by_id('com.luojilab.player:id/rv').find_elements_by_class_name(
 'android.widget.RelativeLayout')
 for temp in temps:
 try:
 course_names = temp.find_element_by_id('com.luojilab.player:id/column_name')
 summaries = temp.find_element_by_id('com.luojilab.player:id/summary')
 lecturer_name_and_titles = temp.find_element_by_id(
 'com.luojilab.player:id/tv_name_and_title')
 prices = temp.find_element_by_id('com.luojilab.player:id/price')
 subscribe_nums = temp.find_element_by_id('com.luojilab.player:id/tv_subscribe_num')
 except Exception as e:
 continue
​
 shang_course_names.append(course_names.text)
 shang_summaries.append(summaries.text)
 shang_lecturer_name_and_titles.append(lecturer_name_and_titles.text)
 shang_prices.append(prices.text)
 shang_subscribe_nums.append(subscribe_nums.text)
​
 if temps[-1].find_elements_by_id('com.luojilab.player:id/rx_loadmore_text') != []:
 break
 else:
 self.driver.swipe(FLICK_START_X, FLICK_START_Y, FLICK_START_X,
 FLICK_START_Y + FLICK_DISTANCE,
 2000)
​
 print(len(shang_course_names), shang_course_names)
 print(len(shang_summaries), shang_summaries)
 print(len(shang_lecturer_name_and_titles), shang_lecturer_name_and_titles)
 print(len(shang_prices), shang_prices)
 print(len(shang_subscribe_nums), shang_prices)
​
 course_data_list = []
 if len(shang_course_names) == len(shang_summaries) and len(shang_course_names) == len(
 shang_lecturer_name_and_titles) and len(shang_course_names) == len(shang_prices) and len(
 shang_course_names) == len(shang_subscribe_nums):
 for i in range(len(shang_course_names)):
 course_data = CourseData(shang_course_names[i], shang_summaries[i],
 shang_lecturer_name_and_titles[i], shang_prices[i],
 shang_subscribe_nums[i])
 if course_data not in course_data_list:
 course_data_list.append(course_data)
​
 print(len(course_data_list))
​
 for i in range(len(course_data_list)):
 print(course_data_list[i].course_name, "-", course_data_list[i].summary, "-",
 course_data_list[i].lecturer_name_and_title, "-", course_data_list[i].price, "-",
 course_data_list[i].subscribe_num)
 time.sleep(0.1)
​
 # 写入Excel
 cell_price = course_data_list[i].price[course_data_list[i].price.strip().find("¥") + 2:]
 cell_subscribe_num = int(
 course_data_list[i].subscribe_num[:course_data_list[i].subscribe_num.strip().find("人")])
 row = [col, course_data_list[i].course_name, course_data_list[i].summary,
 course_data_list[i].lecturer_name_and_title, cell_price,
 cell_subscribe_num, float(cell_price) * cell_subscribe_num]
 sheet.append(row)
 wb.save(PATH)
 break
 btn_back = self.driver.find_elements_by_id('com.luojilab.player:id/iv_back_btn')
 if btn_back != []:
 btn_back[0].click()
​
​
if __name__ == '__main__':
 action = Action()
 action.entry()

部分参考资料来自：必学智库