接下來，我們將實現微信朋友圈的爬取。如果直接用 Charles 或 mitmproxy 來監聽微信朋友圈的接口數據，這是無法實現爬取的，因為數據都是被加密的。而 Appium 不同，Appium 作為一個自動化測試工具可以直接模擬 App 的操作并可以獲取當前所見的內容。所以只要 App 顯示了內容，我們就可以用 Appium 抓取下來。

1. 本節目標

本節我們以 Android 平臺為例，實現抓取微信朋友圈的動態信息。動態信息包括好友昵稱、正文、發布日期。其中發布日期還需要進行轉換，如日期顯示為 1 小時前，則時間轉換為今天，最后動態信息保存到 MongoDB。

2. 準備工作

請確保 PC 已經安裝好 Appium、Android 開發環境和 Python 版本的 Appium API。Android 手機安裝好微信 App、PyMongo 庫，安裝 MongoDB 并運行其服務，安裝方法可以參考第 1 章。

3. 初始化

首先新建一個 Moments 類，進行一些初始化配置，如下所示：

PLATFORM = ’Android’DEVICE_NAME = ’MI_NOTE_Pro’APP_PACKAGE = ’com.tencent.mm’APP_ACTIVITY = ’.ui.LauncherUI’DRIVER_SERVER = ’http://localhost:4723/wd/hub’TIMEOUT = 300MONGO_URL = ’localhost’MONGO_DB = ’moments’MONGO_COLLECTION = ’moments’ class Moments(): def __init__(self): '''初始化''' # 驅動配置 self.desired_caps = { ’platformName’: PLATFORM, ’deviceName’: DEVICE_NAME, ’appPackage’: APP_PACKAGE, ’appActivity’: APP_ACTIVITY } self.driver = webdriver.Remote(DRIVER_SERVER, self.desired_caps) self.wait = WebDriverWait(self.driver, TIMEOUT) self.client = MongoClient(MONGO_URL) self.db = self.client[MONGO_DB] self.collection = self.db[MONGO_COLLECTION]

這里實現了一些初始化配置，如驅動的配置、延時等待配置、MongoDB 連接配置等。

4. 模擬登錄

接下來要做的就是登錄微信。點擊登錄按鈕，輸入用戶名、密碼，提交登錄即可。實現樣例如下所示：

def login(self): # 登錄按鈕 login = self.wait.until(EC.presence_of_element_located((By.ID, ’com.tencent.mm:id/cjk’))) login.click() # 手機輸入 phone = self.wait.until(EC.presence_of_element_located((By.ID, ’com.tencent.mm:id/h2’))) phone.set_text(USERNAME) # 下一步 next = self.wait.until(EC.element_to_be_clickable((By.ID, ’com.tencent.mm:id/adj’))) next.click() # 密碼 password = self.wait.until(EC.presence_of_element_located((By.XPATH, ’//*[@resource-id='com.tencent.mm:id/h2'][1]’))) password.set_text(PASSWORD) # 提交 submit = self.wait.until(EC.element_to_be_clickable((By.ID, ’com.tencent.mm:id/adj’))) submit.click()

這里依次實現了一些點擊和輸入操作，思路比較簡單。對于不同的平臺和版本來說，流程可能不太一致，這里僅作參考。

登錄完成之后，進入朋友圈的頁面。選中朋友圈所在的選項卡，點擊朋友圈按鈕，即可進入朋友圈，代碼實現如下所示：

def enter(self): # 選項卡 tab = self.wait.until(EC.presence_of_element_located((By.XPATH, ’//*[@resource-id='com.tencent.mm:id/bw3'][3]’))) tab.click() # 朋友圈 moments = self.wait.until(EC.presence_of_element_located((By.ID, ’com.tencent.mm:id/atz’))) moments.click()

抓取工作正式開始。

5. 抓取動態

我們知道朋友圈可以一直拖動、不斷刷新，所以這里需要模擬一個無限拖動的操作，如下所示：

# 滑動點FLICK_START_X = 300FLICK_START_Y = 300FLICK_DISTANCE = 700 def crawl(self): while True: # 上滑 self.driver.swipe(FLICK_START_X, FLICK_START_Y + FLICK_DISTANCE, FLICK_START_X, FLICK_START_Y)

我們利用 swipe() 方法，傳入起始和終止點實現拖動，加入無限循環實現無限拖動。

獲取當前顯示的朋友圈的每條狀態對應的區塊元素，遍歷每個區塊元素，再獲取內部顯示的用戶名、正文和發布時間，代碼實現如下所示：

# 當前頁面顯示的所有狀態items = self.wait.until( EC.presence_of_all_elements_located((By.XPATH, ’//*[@resource-id='com.tencent.mm:id/cve']//android.widget.FrameLayout’)))# 遍歷每條狀態for item in items: try: # 昵稱 nickname = item.find_element_by_id(’com.tencent.mm:id/aig’).get_attribute(’text’) # 正文 content = item.find_element_by_id(’com.tencent.mm:id/cwm’).get_attribute(’text’) # 日期 date = item.find_element_by_id(’com.tencent.mm:id/crh’).get_attribute(’text’) # 處理日期 date = self.processor.date(date) print(nickname, content, date) data = { ’nickname’: nickname, ’content’: content, ’date’: date, } except NoSuchElementException: pass

這里遍歷每條狀態，再調用 find_element_by_id() 方法獲取昵稱、正文、發布日期對應的元素，然后通過 get_attribute() 方法獲取內容。這樣我們就成功獲取到朋友圈的每條動態信息。

針對日期的處理，我們調用了一個 Processor 類的 date() 處理方法，該方法實現如下所示：

def date(self, datetime): ''' 處理時間 :param datetime: 原始時間 :return: 處理后時間 ''' if re.match(’d + 分鐘前 ’, datetime): minute = re.match(’(d+)’, datetime).group(1) datetime = time.strftime(’% Y-% m-% d’, time.localtime(time.time() - float(minute) * 60)) if re.match(’d + 小時前 ’, datetime): hour = re.match(’(d+)’, datetime).group(1) datetime = time.strftime(’% Y-% m-% d’, time.localtime(time.time() - float(hour) * 60 * 60)) if re.match(’ 昨天 ’, datetime): datetime = time.strftime(’% Y-% m-% d’, time.localtime(time.time() - 24 * 60 * 60)) if re.match(’d + 天前 ’, datetime): day = re.match(’(d+)’, datetime).group(1) datetime = time.strftime(’% Y-% m-% d’, time.localtime(time.time()) - float(day) * 24 * 60 * 60) return datetime

這個方法使用了正則匹配的方法來提取時間中的具體數值，再利用時間轉換函數實現時間的轉換。例如時間是 5 分鐘前，這個方法先將 5 提取出來，用當前時間戳減去 300 即可得到發布時間的時間戳，然后再轉化為標準時間即可。

最后調用 MongoDB 的 API 來實現爬取結果的存儲。為了去除重復，這里調用了 update() 方法，實現如下所示：

self.collection.update({’nickname’: nickname, ’content’: content}, {’$set’: data}, True)

首先根據昵稱和正文來查詢信息，如果信息不存在，則插入數據，否則更新數據。這個操作的關鍵點是第三個參數 True，此參數設置為 True，這可以實現存在即更新、不存在則插入的操作。

最后實現一個入口方法調用以上的幾個方法。調用此方法即可開始爬取，代碼實現如下所示：

def main(self): # 登錄 self.login() # 進入朋友圈 self.enter() # 爬取 self.crawl()

這樣我們就完成了整個朋友圈的爬蟲。代碼運行之后，手機微信便會啟動，并且可以成功進入到朋友圈然后一直不斷執行拖動過程。控制臺輸出相應的爬取結果，結果被成功保存到 MongoDB 數據庫中。

6. 結果查看

我們到 MongoDB 中查看爬取結果，如圖所示。

可以看到朋友圈的數據就成功保存到了數據庫。

7. 本節代碼

8. 結語

以上內容是利用 Appium 爬取微信朋友圈的過程。利用 Appium，我們可以做到 App 的可見即可爬，也可以實現自動化驅動和數據爬取。但是實際運行之后，Appium 的解析比較煩瑣，而且容易發生重復和中斷。如果我們可以用前文所說的 mitmdump 來監聽 App 數據實時處理，而 Appium 只負責自動化驅動，它們各負其責，那么整個爬取效率和解析效率就會高很多。

以上就是Python爬蟲爬取微信朋友圈的詳細內容，更多關于Python爬取微信朋友圈的資料請關注好吧啦網其它相關文章！