Python自动化爬取App数据
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：
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
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：
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：
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
注意事项：
- 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)
- 建议使用高性能手机测试(MI_8|MI_9等)
运行结果
