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介面資料，這是無法實現爬取的，因為資料都是被加密的。而 Appium 不同，Appium 作為一個自動化測試工具可以直接模擬 App 的操作並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資訊。動態資訊包括好友暱稱、正文、釋出日期。其中釋出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，最後動態資訊儲存到 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 並執行其服務，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 = 300
MONGO_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]

這裡實現了一些初始化配置，如驅動的配置、延時等待配置、MongoDB 連線配置等。

4. 模擬登入

接下來要做的就是登入微信。點選登入按鈕，輸入使用者名稱、密碼，提交登入即可。實現樣例如下所示：

def login(self):
  # 登入按鈕
  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()

這裡依次實現了一些點選和輸入操作，思路比較簡單。對於不同的平臺和版本來說，流程可能不太一致，這裡僅作參考。

登入完成之後，進入朋友圈的頁面。選中朋友圈所在的選項卡，點選朋友圈按鈕，即可進入朋友圈，程式碼實現如下所示：

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、不斷重新整理，所以這裡需要模擬一個無限拖動的操作，如下所示：

# 滑動點
FLICK_START_X = 300
FLICK_START_Y = 300
FLICK_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，加入無限迴圈實現無限拖動。

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，再獲取內部顯示的使用者名稱、正文和釋出時間，程式碼實現如下所示：

# 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:
    # 暱稱
    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

這裡遍歷每條狀態，再呼叫 find_element_by_id() 方法獲取暱稱、正文、釋出日期對應的元素，然後通過 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資訊。

針對日期的處理，我們呼叫了一個 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: 處理後時間
  """
  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+)',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+)',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，再利用時間轉換函式實現時間的轉換。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 即可得到釋出時間的時間戳，然後再轉化為標準時間即可。

最後呼叫 MongoDB 的 API 來實現爬取結果的儲存。為了去除重複，這裡呼叫了 update() 方法，實現如下所示：

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

首先根據暱稱和正文來查詢資訊，如果資訊不存在，則插入資料，否則更新資料。這個操作的關鍵點是第三個引數 True，此引數設定為 True，這可以實現存在即更新、不存在則插入的操作。

最後實現一個入口方法呼叫以上的幾個方法。呼叫此方法即可開始爬取，程式碼實現如下所示：

def main(self):
  # 登入
  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。程式碼執行之後，手機微信便會啟動，並且可以成功進入到朋友圈然後一直不斷執行拖動過程。控制檯輸出相應的爬取結果，結果被成功儲存到 MongoDB 資料庫中。

6. 結果檢視

我們到 MongoDB 中檢視爬取結果，如圖所示。

可以看到朋友圈的資料就成功儲存到了資料庫。

7. 本節程式碼

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資料爬取。但是實際執行之後，Appium 的解析比較煩瑣，而且容易發生重複和中斷。如果我們可以用前文所說的 mitmdump 來監聽 App 資料實時處理，而 Appium 只負責自動化驅動，它們各負其責，那麼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，更多關於Python爬取微信朋友圈的資料請關注我們其它相關文章！