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

image

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

<pre style="box-sizing: border-box; outline: 0px; padding: 8px; margin: 0px 0px 24px; position: relative; font-family: Consolas; white-space: pre-wrap; word-wrap: break-word; overflow-x: auto; font-size: 12pt; line-height: 22px; color: rgb(0, 0, 0); background-color: rgb(43, 43, 43);">http://v1-dy.ixigua.com/；http://v3-dy.ixigua.com/；http://v9-dy.ixigua.com/</pre>

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. import requests

2. 文件路径

3. path = 'D:/video/'

4. num = 1788

5. def response(flow):

6. global num

7. 经测试发现视频url前缀主要是3个

8. target_urls = ['http://v1-dy.ixigua.com/', 'http://v9-dy.ixigua.com/',

9. 'http://v3-dy.ixigua.com/']

10. for url in target_urls:

11. 过滤掉不需要的url

12. if flow.request.url.startswith(url):

13. 设置视频名

14. filename = path + str(num) + '.mp4'

15. 使用request获取视频url的内容

16. stream=True作用是推迟下载响应体直到访问Response.content属性

17. res = requests.get(flow.request.url, stream=True)

18. 将视频写入文件夹

19. with open(filename, 'ab') as f:

20. f.write(res.content)

21. f.flush()

22. print(filename + '下载完成')

23. 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

image

点击Start Server按钮即可启动appium服务

image

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

image

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

image

image

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

image

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

image

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：

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。

image

在下面我们将使用python脚本来驱动app，直接在pycharm运行即可

1. from appium import webdriver

2. from time import sleep

3. class Action():

4. def init(self):

5. 初始化配置，设置Desired Capabilities参数

6. self.desired_caps = {

7. "platformName": "Android",

8. "deviceName": "Mi_Note_3",

9. "appPackage": "com.ss.android.ugc.aweme",

10. "appActivity": ".main.MainActivity"

11. }

12. 指定Appium Server

13. self.server = 'http://localhost:4723/wd/hub'

14. 新建一个Session

15. self.driver = webdriver.Remote(self.server, self.desired_caps)

16. 设置滑动初始坐标和滑动距离

17. self.start_x = 500

18. self.start_y = 1500

19. self.distance = 1300

20. def comments(self):

21. sleep(2)

22. app开启之后点击一次屏幕，确保页面的展示

23. self.driver.tap([(500, 1200)], 500)

24. def scroll(self):

25. 无限滑动

26. while True:

27. 模拟滑动

28. self.driver.swipe(self.start_x, self.start_y, self.start_x,

29. self.start_y-self.distance)

30. 设置延时等待

31. sleep(2)

32. def main(self):

33. self.comments()

34. self.scroll()

35. if name == 'main':

36. action = Action()

37. action.main()

下面是爬虫的过程。ps:偶尔会爬取到重复的视频

image

image