記錄一下如何用python爬取app數(shù)據(jù)，本文以爬取抖音視頻app為例。

• 編程工具：pycharm
• app抓包工具：mitmproxy
• app自動化工具：appium
• 運行環(huán)境：windows10

假設已經配置好我們所需要的工具

• 使用mitmproxy對手機app抓包獲取我們想要的內容
• 利用appium自動化測試工具，驅動app模擬人的動作(滑動、點擊等)
• 將1和2相結合達到自動化爬蟲的效果

一、mitmproxy/mitmdump抓包

確保已經安裝好了mitmproxy，并且手機和PC處于同一個局域網下，同時也配置好了mitmproxy的CA證書，網上有很多相關的配置教程，這里我就略過了。

因為mitmproxy不支持windows系統(tǒng)，所以這里用的是它的組件之一mitmdump，它是mitmproxy的命令行接口，可以利用它對接我們的Python腳本，用Python實現(xiàn)監(jiān)聽后的處理。

在配置好mitmproxy之后,在控制臺上輸入mitmdump并在手機上打開抖音app，mitmdump會呈現(xiàn)手機上的所有請求，如下圖： 

可以在抖音app一直往下滑，看mitmdump所展示的請求，會發(fā)現(xiàn)前綴分別為：

http://v1-dy.ixigua.com/;http://v3-dy.ixigua.com/;http://v9-dy.ixigua.com/ 

這3個類型前綴的url正是我們的目標抖音視頻url。

那接下來就要編寫python腳本將視頻下載下來，需要使用 mitmdump -s scripts.py(此處為python文件名)來執(zhí)行腳本。 

import requests 
# 文件路徑 
path = 'D:/video/' 
num = 1788 
  
  
def response(flow): 
    global num 
    # 經測試發(fā)現(xiàn)視頻url前綴主要是3個 
    target_urls = ['http://v1-dy.ixigua.com/', 'http://v9-dy.ixigua.com/', 
                   'http://v3-dy.ixigua.com/'] 
    for url in target_urls: 
        # 過濾掉不需要的url 
        if flow.request.url.startswith(url): 
            # 設置視頻名 
            filename = path + str(num) + '.mp4' 
            # 使用request獲取視頻url的內容 
            # stream=True作用是推遲下載響應體直到訪問Response.content屬性 
            res = requests.get(flow.request.url, stream=True) 
            # 將視頻寫入文件夾 
            with open(filename, 'ab') as f: 
                f.write(res.content) 
                f.flush() 
                print(filename + '下載完成') 
            num += 1 

代碼寫得比較粗糙，不過基本的邏輯還是比較清晰的，這樣我們就可以把抖音的視頻下載下來，不過這個方法有個缺陷，就是獲取視頻需要人來不斷地滑動抖音的下一個視頻，這時候我們可以用一個強大的appium自動化測試工具來解決。

二、Appium對手機進行模擬操作

確保已經配置好appium所依賴的環(huán)境Android和SDK，網上也有許多教程，這里我就不說了。

appium的用法很簡單，首先我們先打開appium，啟動界面如下： 

點擊Start Server按鈕即可啟動appium服務。 

將Android手機通過數(shù)據(jù)線與PC相連，同時打開USB調試功能，可以輸入adb命令(具體可以去網上查找)測試連接情況，若出現(xiàn)以下結果，則說明連接成功。 

model是設備名，后面配置需要用到。之后點擊下圖箭頭所指的按鈕就會出現(xiàn)一個配置頁面。 

 

在右下角的JSON Representation配置啟動app的Desired Capabilities參數(shù)，分別是paltformName、deviceName、appPackage、appActivity。

• platformName:平臺名稱，一般是Android或iOS.
• deviceName:設備名稱，手機的具體類型
• appPackage:App程序包名
• appActivity:入口Activity名，通常以.開頭 

platformName和deviceName比較容易獲得，而appPackage和appActivity這兩個可以通過以下方法獲取到。

在控制臺上輸入 adb logcat>D:\log.log 命令，并且在手機打開抖音app，然后在D盤中打開log.log文件，查找Displayed關鍵字。 

由上圖可以知道Displayed后面的 com.ss.android.ugc.aweme對應的是appPackage，.main.MainActivity對應的是appActivity，最后我們的配置結果如下： 

{ 
  "platformName": "Android", 
  "deviceName": "Mi_Note_3", 
  "appPackage": "com.ss.android.ugc.aweme", 
  "appActivity": ".main.MainActivity" 
} 

再點擊Start Session即可啟動Android手機上的抖音app并進入到啟動頁面，同時PC上會彈出一個調試窗口，從這個窗口可以預覽當前手機頁面，還可以對手機模擬各種操作，在本文不是重點，所以略過。 

在下面我們將使用python腳本來驅動app，直接在pycharm運行即可。 

from appium import webdriver 
from time import sleep 
  
  
class Action(): 
    def __init__(self): 
        # 初始化配置，設置Desired Capabilities參數(shù) 
        self.desired_caps = { 
            "platformName": "Android", 
            "deviceName": "Mi_Note_3", 
            "appPackage": "com.ss.android.ugc.aweme", 
            "appActivity": ".main.MainActivity" 
        } 
        # 指定Appium Server 
        self.server = 'http://localhost:4723/wd/hub' 
        # 新建一個Session 
        self.driver = webdriver.Remote(self.server, self.desired_caps) 
        # 設置滑動初始坐標和滑動距離 
        self.start_x = 500 
        self.start_y = 1500 
        self.distance = 1300 
  
    def comments(self): 
        sleep(2) 
        # app開啟之后點擊一次屏幕，確保頁面的展示 
        self.driver.tap([(500, 1200)], 500) 
  
    def scroll(self): 
        # 無限滑動 
        while True: 
            # 模擬滑動 
            self.driver.swipe(self.start_x, self.start_y, self.start_x,  
                              self.start_y-self.distance) 
            # 設置延時等待 
            sleep(2) 
  
    def main(self): 
        self.comments() 
        self.scroll() 
  
  
if __name__ == '__main__': 
  
    action = Action() 
    action.main() 

下面是爬蟲的過程。ps:偶爾會爬取到重復的視頻。