記錄一下如何用python爬取app資料，本文以爬取抖音視訊app為例。

程式設計工具：pycharm

app抓包工具：mitmproxy

app自動化工具：appium

執行環境：windows10

思路：

假設已經配置好我們所需要的工具

1、使用mitmproxy對手機app抓包獲取我們想要的內容

2、利用appium自動化測試工具，驅動app模擬人的動作（滑動、點選等）

3、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，並且手機和PC處於同一個區域網下，同時也配置好了mitmproxy的CA證書，網上有很多相關的配置教程，這裡我就略過了。

因為mitmproxy不支援windows系統，所以這裡用的是它的元件之一mitmdump，它是mitmproxy的命令列介面，可以利用它對接我們的Python指令碼，用Python實現監聽後的處理。

在配置好mitmproxy之後,在控制檯上輸入mitmdump並在手機上開啟抖音app，mitmdump會呈現手機上的所有請求，如下圖

可以在抖音app一直往下滑，看mitmdump所展示的請求，會發現字首分別為

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

這3個型別字首的url正是我們的目標抖音視訊url。

那接下來就要編寫python指令碼將視訊下載下來，需要使用 mitmdump -s scripts.py（此處為python檔名）來執行指令碼。

import requests
# 檔案路徑
path = 'D:/video/'
num = 1788


def response(flow):
    global num
    # 經測試發現視訊url字首主要是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):
            # 設定視訊名
            filename = path + str(num) + '.mp4'
            # 使用request獲取視訊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)
            # 將視訊寫入資料夾
            with open(filename, 'ab') as f:
                f.write(res.content)
                f.flush()
                print(filename + '下載完成')
            num += 1
 

程式碼寫得比較粗糙，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訊下載下來，不過這個方法有個缺陷，就是獲取視訊需要人來不斷地滑動抖音的下一個視訊，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所依賴的環境Android和SDK，網上也有許多教程，這裡我就不說了。

appium的用法很簡單，首先我們先開啟appium，啟動介面如下

點選Start Server按鈕即可啟動appium服務

將Android手機通過資料線與PC相連，同時開啟USE除錯功能，可以輸入adb命令（具體可以去網上查詢）測試連線情況，若出現以下結果，則說明連線成功

model是裝置名，後面配置需要用到。之後點選下圖箭頭所指的按鈕就會出現一個配置頁面

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

platformName:平臺名稱，一般是Android或iOS.

deviceName:裝置名稱，手機的具體型別

appPackage:App程式包名

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。

在控制檯上輸入   adb logcat>D:\log.log  命令，並且在手機開啟抖音app，然後在D盤中開啟log.log檔案，查詢Displayed關鍵字

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

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

再點選Start Session即可啟動Android手機上的抖音app並進入到啟動頁面，同時PC上會彈出一個除錯視窗，從這個視窗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指令碼來驅動app，直接在pycharm執行即可

from appium import webdriver
from time import sleep


class Action():
    def __init__(self):
        # 初始化配置，設定Desired Capabilities引數
        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)
        # 設定滑動初始座標和滑動距離
        self.start_x = 500
        self.start_y = 1500
        self.distance = 1300

    def comments(self):
        sleep(2)
        # app開啟之後點選一次螢幕，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)
            # 設定延時等待
            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:偶爾會爬取到重複的視訊