记录一下如何用python爬取app数据，本文以爬取抖音视频app为例。
编程工具：pycharm
app抓包工具：mitmproxy
app自动化工具：appium
运行环境：windows10
思路：
假设已经配置好我们所需要的工具
1、使用mitmproxy对手机app抓包获取我们想要的内容
2、利用appium自动化测试工具，驱动app模拟人的动作（滑动、点击等）
3、将1和2相结合达到自动化爬虫的效果
一、mitmproxy/mitmdump抓包
确保已经安装好了mitmproxy，并且手机和pc处于同一个局域网下，同时也配置好了mitmproxy的ca证书，网上有很多相关的配置教程，这里我就略过了。
因为mitmproxy不支持windows系统，所以这里用的是它的组件之一mitmdump，它是mitmproxy的命令行接口，可以利用它对接我们的python脚本，用python实现监听后的处理。
在配置好mitmproxy之后,在控制台上输入mitmdump并在手机上打开抖音app，mitmdump会呈现手机上的所有请求，如下图
可以在抖音app一直往下滑，看mitmdump所展示的请求，会发现前缀分别为
http://v1-dy.ixigua.com/；http://v3-dy.ixigua.com/；http://v9-dy.ixigua.com/
这3个类型前缀的url正是我们的目标抖音视频url。
那接下来就要编写python脚本将视频下载下来，需要使用 mitmdump -s scripts.py（此处为python文件名）来执行脚本。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
import requests# 文件路径path = 'd:/video/'num = 1788def response(flow): global num # 经测试发现视频url前缀主要是3个target_urls = ['http://v1-dy.ixigua.com/', 'http://v9-dy.ixigua.com/','http://v3-dy.ixigua.com/']for url in target_urls:# 过滤掉不需要的urlif flow.request.url.startswith(url):# 设置视频名 filename = path + str(num) + '.mp4'# 使用request获取视频url的内容 # stream=true作用是推迟下载响应体直到访问response.content属性res = requests.get(flow.request.url, stream=true)# 将视频写入文件夹 with open(filename, 'ab') as f: f.write(res.content) f.flush()print(filename + '下载完成')num += 1 |
代码写得比较粗糙，不过基本的逻辑还是比较清晰的，这样我们就可以把抖音的视频下载下来，不过这个方法有个缺陷，就是获取视频需要人来不断地滑动抖音的下一个视频，这时候我们可以用一个强大的appium自动化测试工具来解决。
二、appium对手机进行模拟操作
确保已经配置好appium所依赖的环境android和sdk，网上也有许多教程，这里我就不说了。
appium的用法很简单，首先我们先打开appium，启动界面如下
点击start server按钮即可启动appium服务
将android手机通过数据线与pc相连，同时打开use调试功能，可以输入adb命令（具体可以去网上查找）测试连接情况，若出现以下结果，则说明连接成功
model是设备名，后面配置需要用到。之后点击下图箭头所指的按钮就会出现一个配置页面
在右下角的json representation配置启动app的desired capabilities参数，分别是paltformname、devicename、apppackage、appactivity。
platformname:平台名称，一般是android或ios.
devicename:设备名称，手机的具体类型
apppackage:app程序包名
appactivity:入口activity名，通常以.开头
platformname和devicename比较容易获得，而apppackage和appactivity这两个可以通过以下方法获取到。
在控制台上输入 adb logcat>d:\log.log 命令，并且在手机打开抖音app，然后在d盘中打开log.log文件，查找displayed关键字
由上图可以知道displayed后面的 com.ss.android.ugc.aweme对应的是apppackage，.main.mainactivity对应的是appactivity，最后我们的配置结果如下：
|
1
2
3
4
5
6
|
{ "platformname": "android", "devicename": "mi_note_3", "apppackage": "com.ss.android.ugc.aweme", "appactivity": ".main.mainactivity"} |
再点击start session即可启动android手机上的抖音app并进入到启动页面，同时pc上会弹出一个调试窗口，从这个窗口可以预览当前手机页面，还可以对手机模拟各种操作，在本文不是重点，所以略过。
在下面我们将使用python脚本来驱动app，直接在pycharm运行即可
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
|
from appium import webdriverfrom time import sleepclass action():def __init__(self):# 初始化配置，设置desired capabilities参数self.desired_caps = {"platformname": "android","devicename": "mi_note_3","apppackage": "com.ss.android.ugc.aweme","appactivity": ".main.mainactivity"}# 指定appium serverself.server = 'http://localhost:4723/wd/hub'# 新建一个sessionself.driver = webdriver.remote(self.server, self.desired_caps)# 设置滑动初始坐标和滑动距离self.start_x = 500self.start_y = 1500self.distance = 1300def comments(self):sleep(2)# app开启之后点击一次屏幕，确保页面的展示self.driver.tap([(500, 1200)], 500) def scroll(self):# 无限滑动while true:# 模拟滑动self.driver.swipe(self.start_x, self.start_y, self.start_x,self.start_y-self.distance)# 设置延时等待sleep(2)def main(self):self.comments()self.scroll() if __name__ == '__main__':action = action()action.main() |
下面是爬虫的过程。ps:偶尔会爬取到重复的视频
到此这篇关于详解使用python爬取抖音app视频(appium可以操控手机)的文章就介绍到这了,更多相关python爬取抖音app视频内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家！
原文链接：https://blog.csdn.net/mp624183768/article/details/80956368
