此文章来源于项目官方公众号:“AirtestProject”
版权声明:允许转载,但转载必须保留原链接;请勿用作商业或者非法用途

前言

说起 APP 爬虫,相信大家会很容易联想到一些抓包工具:Fiddler、Charles、mitmproxy 和 anyproxy 等等。

借助这些抓包工具,我们可以知道 APP 在运行过程中具体发起了什么请求,之后我们就可以详细分析这些请求,再用程序模拟这些请求最终实现爬虫。

然而,在爬虫的实操中,APP 的各种反爬措施也是不容小觑的,比如抓包失败、参数加密、代码被编译等等,都增加了我们爬取 APP 数据的难度。

那么作为一名不懂抓包的小白,是不是就无缘爬虫了呢?不要慌,今天我们就带大家 用 airtest 来实现 1 个模拟抓取的过程 ,把网易云音乐中抖音排行榜的 100 首歌曲名称爬取下来!

准备工作

为了 爬取抖音排行榜 100 首歌曲的名称 ,首先我们需要编写 1 个自动化脚本,在 APP 内打开这个排行榜,步骤如下:

代码实现如下:

# -*- encoding=utf8 -*-
__author__ = "AirtestProject"
from airtest.core.api import *
auto_setup(__file__,devices=["Android://127.0.0.1:5037/emulator-5554"])

clear_app("com.netease.cloudmusic")
start_app("com.netease.cloudmusic")
sleep(1.0)

from poco.drivers.android.uiautomation import AndroidUiautomationPoco
poco = AndroidUiautomationPoco(use_airtest_input=True, screenshot_each_action=False)

# 同意服务条款
poco("com.netease.cloudmusic:id/agree").click()

wait(Template(r"tpl1595916981414.png", record_pos=(0.004, -0.452), resolution=(900, 1600)))
sleep(2.0)

# 勾选用户协议并点击立即体验
poco("com.netease.cloudmusic:id/agreeCheckbox").click()
poco("com.netease.cloudmusic:id/trial").click()
sleep(2.0)

poco("搜索").wait_for_appearance()
sleep(1.0)
# 点击搜索按钮并输入“抖音”
poco("搜索").click()
sleep(1.0)

poco("com.netease.cloudmusic:id/search_src_text").click()
poco("com.netease.cloudmusic:id/search_src_text").set_text("抖音")
sleep(1.0)
poco.click([0.14,0.13])

assert_exists(Template(r"tpl1595821867472.png", record_pos=(-0.283, -0.489), resolution=(900, 1600)), "找到抖音排行榜")

# 点击进入抖音排行榜
poco("com.netease.cloudmusic:id/title").click()

其中需要注意的是 poco 的初始化顺序,先连接设备,再打开 APP,最后才初始化 poco,可以有效避免一些奇奇怪怪的错误。

爬取歌名

进入抖音排行榜的歌曲列表之后,我们先来观察下此刻的 UI 树结构:

从 UI 树中我们可以知道,歌曲名称这个控件,都在 musicListItemContainer 这个控件里面,所以为了获取歌曲名称,首先我们需要遍历所有加载出来的 musicListItemContainer ,再定位到歌曲名称的控件,依此来获取控件的 text 属性:

for title in poco("com.netease.cloudmusic:id/musicInfoList").child("com.netease.cloudmusic:id/musicListItemContainer"):
    a = title.offspring("com.netease.cloudmusic:id/songName")
    name = a.get_text()
    print(a)

获取完当前页面加载的所有歌曲名称之后,我们可以通过向上滑动列表,来不断加载新的歌曲控件。

但这时候,我们还需要解决 2 个问题:

① 我们单次向上滑动歌曲列表,并不能保证当前加载出来的歌曲控件都是新的控件,有可能某些控件里面的歌曲名称我们已经获取到了,那么 如何解决获取歌名重复的问题呢

我们可以事先定义好 1 个空的数组,将获取到的歌曲名称放到数组里面,在放入歌曲名称之前,做 1 个判断,放入数组的歌名不能与数组已经存在的歌名相同,这样子就能够保证我们每次放入的都是新的歌名;

② 多次滑动列表之后,我们 如何判断所有歌曲名称已经获取完毕呢 ?很简单,我们可以设置 1 个数组长度的计数器,当数组长度不再增加,即没有新的名字被添加到数组的时候,既可以认为我们已经把排行榜的歌曲名称获取完了。

最终实现的效果如下:

# 定义1个空数组用于存放排行榜的歌名
titles = []
# 定义数组目前的长度和最终的长度
current_count, last_count = len(titles), len(titles)

while True:
    last_count = len(titles)
    for title in poco("com.netease.cloudmusic:id/musicInfoList").child("com.netease.cloudmusic:id/musicListItemContainer"):
        a = title.offspring("com.netease.cloudmusic:id/songName")
        if not a.exists():
            continue
        name = a.get_text()
        if not name in titles:
            titles.append(name)
            print(name)

    current_count = len(titles)
    poco.swipe([0.5,0.7],[0.5,0.1],duration=2)
    sleep(1.0)

    # 当俩者数值相等,即current_count不再增加时,表明爬取完毕
    if current_count == last_count:
        print("总共爬取"+str(last_count)+"首歌曲的名称")
        break

小结

上述就是利用 airtest 实现模拟爬取的全部过程。当然,我们不仅可以把爬取的歌曲名称打印在 log 查看窗中,还可以将它保存在指定的文档中,这个大家可以尝试着自己实现一下。


Airtest 官网:airtest.netease.com/
Airtest 教程官网:airtest.doc.io.netease.com/
搭建企业私有云服务:airlab.163.com/b2b


↙↙↙阅读原文可查看相关链接,并与作者交流