Python怎么爬取当当网APP数据

这篇文章是关于Python如何抓取当当APP数据的，边肖觉得挺实用的，所以想分享给大家学习。希望大家看完这篇文章能有所收获。话不多说，让我们和边肖一起看看。

场景

目标

:有时由于传统的抓取一些网页或应用的方法，由于对方的反抓取方案，很难抓取到想要的数据。此时，我们可以考虑使用“Appium”结合“mitmproxy”来抓取数据。

其中，Appium负责驱动App自动运行，mitmproxy负责截取请求的数据保存到数据库。

今天的目标是抓取当当的所有数据，保存在MongoDB数据库中。

准备工作

首先，应该在PC上安装Charles和Appium Desktop，并配置mitmproxy环境。

#安装mitmproxy依赖包。

pip3installmitmproxy

#安装pymongodb。

Pip3installpymongo此外，还需要准备一部安卓手机，在PC上配置安卓开发环境。

爬取思路

1.配置手动代理后，打开Charles实时捕获客户端发起的网络请求。

打开当当网的产品搜索页面，搜索关键字“Python”，在Charles中可以看到当前请求的URL地址包括：“word=Python”。

编写mitmproxy的脚本文件，重写response()函数，过滤请求的URL，整理出有用的数据保存在MongoDB数据库中。

classDangDangMongo(对象):

'''

初始化MongoDB数据库。

'''

def__init__(self):

self . client=Mongoclient(' localhost ')

self.db=self.client['admin']

self.db.authenticate('root '，' xag ')

self .当当_book_collection=self.db['当当_book']

defresponse(流):

#过滤请求的网址。

if ' keyword=Python ' in request . URL :

data=JSON . loads(response . text . encode(' utf-8 ')

#书

products=data . get(' products ')or one

product_datas=[]

for production in product cts 3360

#图书编号

product_id=product.get('id ')

（=NationalBureauofStandards）国家标准局

p;       # 书名
            product_name = product.get('name')
            # 书价格
            product_price = product.get('price')
            # 作者
            authorname = product.get('authorname')
            # 出版社
            publisher = product.get('publisher')
            product_datas.append({
                'product_id': product_id,
                'product_name': product_name,
                'product_price': product_price,
                'authorname': authorname,
                'publisher': publisher
            })
        DangDangMongo().dangdang_book_collection.insert_many(product_datas)
        print('成功插入数据成功')

先打开客户端的手动代理监听 8080 端口，然后执行「mitmdump」命令，然后滚动商品界面，发现数据到写入到数据库中了。

 mitmdump -s script_dangdang.py

2. 下面我们要利用 Appium 帮我们实现 自动化。

首先打开 Appium Desktop，并启动服务。

获取到包名和初始 Activity 后，就可以利用 WebDriver 去模拟打开当当网 APP。

self.caps = {
            'automationName': DRIVER,
            'platformName': PLATFORM,
            'deviceName': DEVICE_NAME,
            'appPackage': APP_PACKAGE,
            'appActivity': APP_ACTIVITY,
            'platformVersion': ANDROID_VERSION,
            'autoGrantPermissions': AUTO_GRANT_PERMISSIONS,
            'unicodeKeyboard': True,
            'resetKeyboard': True
        }
self.driver = webdriver.Remote(DRIVER_SERVER, self.caps)

接着使用 Android SDK 自带的工具 uiautomatorviewer 获取到元素信息，使用 Appium 中的 WebDriver 去操作 UI 元素。

第一次打开应用的时候，可能会出现红包雨对话框、新人专享红包对话框、切换城市对话框，这里需要通过元素 ID 获取到关闭按钮，执行点击操作来关闭这些对话框。

这里创建一个 新的线程 来单独处理这些对话框。

class ExtraJob(threading.Thread):
   def run(self):
        while self.__running.isSet():
            # 为True时立即返回, 为False时阻塞直到内部的标识位为True后返回
            self.__flag.wait()
            # 1.0 【红包雨】对话框
            red_packet_element = is_element_exist(self.driver, 'com.dangdang.buy2:id/close')
            if red_packet_element:
                red_packet_element.click()
            # 1.1 【新人专享券】对话框
            new_welcome_page_sure_element = is_element_exist(self.driver, 'com.dangdang.buy2:id/dialog_cancel_tv')
            if new_welcome_page_sure_element:
                new_welcome_page_sure_element.click()
            # 1.2 【切换位置】对话框
            change_city_cancle_element = is_element_exist(self.driver, 'com.dangdang.buy2:id/left_bt')
            if change_city_cancle_element:
                change_city_cancle_element.click()
extra_job = ExtraJob(dangdang.driver)
extra_job.start()

接下来就是点击搜索按钮，然后输入内容，执行点击搜索对话框。

 # 1.搜索框
search_element_pro = self.wait.until(
            EC.presence_of_element_located((By.ID, 'com.dangdang.buy2:id/index_search')))
search_element_pro.click()
search_input_element = self.wait.until(
            EC.presence_of_element_located((By.ID, 'com.dangdang.buy2:id/search_text_layout')))
search_input_element.set_text(KEY_WORD)
# 2.搜索对话框，开始检索
search_btn_element = self.wait.until(
            EC.element_to_be_clickable((By.ID, 'com.dangdang.buy2:id/search_btn_search')))
search_btn_element.click()
# 3.休眠3秒，保证第一页的内容加载完全
time.sleep(3)

待第一页的数据加载完全之后，可以一直向上滚动页面，直到数据全部被加载完全，数据会由 mitmproxy 自动保存到 MongoDB 数据库当中。

while True:
      str1 = self.driver.page_source
      self.driver.swipe(FLICK_START_X, FLICK_START_Y + FLICK_DISTANCE, FLICK_START_X, FLICK_START_X)
      time.sleep(1)
      str2 = self.driver.page_source
      if str1 == str2:
            print('停止滑动')
            # 停止线程
            extra_job.stop()
            break
      print('继续滑动'

结果

首先使用 mitmdump 开启请求监听的服务，然后执行爬取脚本。

App 会自动打开，执行一系列操作后，到达商品界面，然后自动滑动界面，通过 mitmproxy 自动把有用的数据保存到 MongoDB 数据库中。

以上就是Python怎么爬取当当网APP数据，小编相信有部分知识点可能是我们日常工作会见到或用到的。希望你能通过这篇文章学到更多知识。更多详情敬请关注行业资讯频道。