上一篇文章讲了如何对采集的数据进行抓包和解析,本次主要讲解如何使用自动化工具,实现自动化数据采集。如果想了解抓包和解析部分的内容,可以查阅我的上一篇文章《数据平台初试(技术篇)——抖音数据采集(初级版)》,文末附有上篇文章的传送门。本次用到的工具:移动端自动化工具Appium,夜神模拟器(也可以用真机代替),adb工具。
运行环境准备工作
开始进入数据采集的准备工作,在上一篇文章的基础上,搭建自动化环境,首先需要配置android-sdk,安装教程可参考如下链接,最后需要验证adb命令是否可用,在命令行窗口运行adb version,出现版本号信息,说明adb工具可用,android sdk下载及安装教程请参阅如下链接:
https://www.cnblogs.com/woniu123/p/10755262.html
配置好android-sdk后,就可以安装Appium了,下载地址如下,此处我们选择appium-desktop-setup-1.9.0.exe版本:
https://github.com/appium/appium-desktop/releases/download/v1.9.0/appium-desktop-setup-1.9.0.exe
下载好后基本是下一步安装,安装完成后启动应用,出现如下窗口证明安装成功:
{
"platformName": "Android",
"platformVersion": "5.1.1",
"deviceName": "127.0.0.1:62001",
"appPackage": "com.ss.android.ugc.aweme",
"appActivity": "com.ss.android.ugc.aweme.main.MainActivity",
"noReset": true
}
platformName:模拟器运行的平台,填入Android
platformVersion:查看模拟器的安卓版本,填入即可
deviceName:此处为运行adb devices命令得到的设备,当前模拟器为127.0.0.1:62001
appPackage和appActivity:抖音app的包名和启动方法名,可通过android-sdk\build-tools\29.0.2下面的aapt.exe工具获得
配置好后,点击Star Session,看到模拟器启动抖音app则证明环境配置无误。
业务场景说明
有了运行环境,接下来介绍下本次的需求,打开模拟器中安装的抖音app,首先下滑刷新视频,再进入用户主页,分别对主页数据,关注数据,粉丝数据,作品和喜欢页签进行采集。appium需要做的对应操作如下:
1.下滑刷新视频
2.左滑进入用户主页
3.点击关注按钮
4.开始下滑关注列表,直到出现“暂时没有更多了”
5.返回用户主页
6.点击粉丝按钮
7.开始下滑粉丝列表,直到出现“暂时没有更多了”
8.返回用户主页
9.点击作品页签
10.下滑作品视频列表,直到出现“暂时没有更多了”
11.点击喜欢页签
12.下滑喜欢视频列表,直到出现“暂时没有更多了”
13.返回视频页面,重复步骤1
代码准备
安装python的Appium客户端:
pip install Appium-Python-Client
准备撸代码。
1.启动app
device_name = '127.0.0.1:62001'
device_port = '4723'
desired_caps = {
"platformName": "Android",
"platformVersion": "5.1.1",
"deviceName": device_name,
"appPackage": "com.ss.android.ugc.aweme",
"appActivity": "com.ss.android.ugc.aweme.main.MainActivity",
"noReset": True,
"unicodeKeyboard": True,
"resetKeyboard": True
}
device_driver = webdriver.Remote('http://127.0.0.1:' + str(device_port) + '/wd/hub', desired_caps)
等待启动好了app之后,我们开始处理业务1,下滑刷新视频,此处调用自己封装的滑动方法:
swipe_page(device_driver, 0.5, 0.25, 0.5, 0.75)
def swipe_page(driver, x1, y1, x2, y2):
screen = AppiumOprationPage.get_size(driver)
screen_x1 = int(screen[0] * x1)
screen_y1 = int(screen[1] * y1)
screen_x2 = int(screen[0] * x2)
screen_y2 = int(screen[1] * y2)
driver.swipe(screen_x1, screen_y1, screen_x2, screen_y2)
等待视频刷新出来后执行业务2,快速左滑进入用户主页:
flick_page(device_driver, 0.8, 0.5, 0.2, 0.5)
此处flick方法和swipe方法内部是一样的,appium提供了两个滑动方法,swipe为普通滑动,通过给定坐标进行滑动,flick为快速滑动,通过给定坐标滑动之后开始做均减速滑动直到停止,滑动速度较快。
进入用户主页之后,我们需要判断按钮的id,标签位置等参数来进行点击,接下来主要介绍如何获取【关注】的标签位置:
使用appium启动app后,手动滑动进入用户主页,此时刷新appium页面中间的刷新按钮,点击左边的【关注】,此时可以看到中间列出的xml结构,以及右侧的按钮基本信息,通过这些信息,可以得到一个关注按钮的Xpath:
//android.widget.TextView[@text='关注']
再对这个按钮进行点击即可进入关注页面,开始循环下滑到底即可:
driver.find_element_by_xpath("//android.widget.TextView[@text='关注']").click()
flick_page(device_driver, 0.5, 0.75, 0.5, 0.25)
完成下滑后,需要用同样的方法获取到返回上一层按钮的xpath:
//android.widget.ImageView[@resource-id='com.ss.android.ugc.aweme:id/nj']
然后点击返回上一层回到用户主页:
driver.find_element_by_xpath("//android.widget.ImageView[@resource-id='com.ss.android.ugc.aweme:id/nj']").click()
tips:
1.获取xpath不要使用绝对路径,经过大量测试,绝对路径在不同环境下是不一样的,使用相对路径则比较稳定
2.可以使用一些页面文字元素,id进行相对定位,再取到最终需要的元素
3.不要使用resource-id进行定位,经过大量测试,这个id不是唯一的,只能定位到第一个
4.也可以使用android-sdk\tools下面的uiautomatorviewer工具进行xpath定位,不过需要升级uiautomatorviewer,经过大量测试,对于抖音app的一些高版本,uiautomatorviewer无法获取其xpath。
通过同样的方法,分别点击【关注】【粉丝】【作品】【喜欢】,即可进行一个完整的操作,在使用上一次讲到的mitmproxy进行代理,将所有的数据进行解析入库,便可将所有的数据采集到自己的数据库中,或者将视频下载到本地硬盘。
进阶
以上方法,经过大量的测试,每天采集的数据非常有限,问题如下:
1.一台模拟器,滑动速度有限
2.数据解析效率不高
针对以上两点问题,后来又加入了新方案,支持了模拟器的横向扩展(需要电脑硬件条件达标),以及数据的分布式解析,批量入库。
新方案完成后,两天的测试,使用了两台模拟器滑动采集,第一天10小时,采集了53万数据,而第二天,做了性能测试,10小时数据量竟然达到了111.6万,在测试过程中,感觉数据解析一直没有达到饱和,预测可以拖4台模拟器,只是我的电脑硬件配置没那么高,跑不了4台模拟器,所以就没有进行极限测试。
如下为两台模拟器滑动过程截图,以及每天采集数据量的一个统计图:
更多抖音,快手,小红书数据实时采集接口,请查看文档: TiToData