前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >数据可视化|用Python实现手机抓包,获取当当图书差评数据!

数据可视化|用Python实现手机抓包,获取当当图书差评数据!

作者头像
龙哥
发布2019-07-30 17:35:27
9810
发布2019-07-30 17:35:27
举报
文章被收录于专栏:Python绿色通道Python绿色通道

有态度地学习

在这个万物互联的时代,手机端(App)、电脑端(Web),连接着你我他。

本次学习了手机抓包的相关知识,了解了Charles-mitmproxy-Appium的基本使用,通过对当当图书评论的爬取,得以实践。

那么就让我们来看看当当图书「活着」的差评吧!

/ 01 / Charles

Charles是一个APP抓包工具,与我之前最先使用的Filddler相似,可以得到手机App运行过程中发生的所有网络请求和响应内容。

这里简单说一下安装。

电脑端下载安装完Charles后,需要配置证书,最后开启SSL监听,这个具体大家自己自行百度。

手机端则是需要与电脑在同一网络下,比如都连接家里的WIFI,然后在手机的WIFI高级选项里使用Charles代理,输入电脑的IP地址,端口8888,最后为证书命名。

连好以后,手机打开当当App,到图书「活着」的差评页,不断向下滑动差评页面,便能在电脑上的Charles观察到下面的信息。

将电脑上的信息与手机上的信息匹配一下。

这样我们通过请求信息,就可以知道App评论的真正API接口了。

不过呢有的时候会碰见App接口带有密匙的,我们不好确定出API接口,那么就轮到mitmproxy上场了。

/ 02 / mitmproxy

mitmproxy也是用来抓包的,是一个控制台形式,我理解的就是没有UI界面,在命令行上展示的(windows上不能用,我瞎理解的...)。

mitmproxy有两个关联组件,一个是mitmdump,是mitmproxy的命令行接口,可以对接Python脚本,用Python实现监听后的处理,也就是用脚本处理信息。

另一个是mitmweb,为Web程序服务,本次不涉及。

mitmproxy的安装同样需要证书配置,电脑端配一个,手机端也要配一个。

这里有个坑,我的华为手机直接识别不了pem格式的文件,无法直接安装,还得从SD卡那才能安装,也就是有权限问题。

手机WIFI代理设置和Charles差不多,只是端口需要改变,这里是8080,。

然后命令行运行我都是在mitmdump.exe所在的文件夹开启的,实在是不想去搞那些烦人的环境变量。

这里就直接讲mitmdump的应用,毕竟windows用不了mitmproxy。

通过手动下滑差评页面,就能自动处理信息并存储。

Python脚本如下,第一次深刻接触脚本大佬,以前还只是听说了游戏脚本而已。

代码语言:javascript
复制
import json

def response(flow):
    url = 'product.mapi.dangdang.com'
    page_size = 'page_size=15'
    # 对url进行筛选,只选取评论的url
    if url and page_size in flow.request.url:
        text = flow.response.text
        data = json.loads(text)
        for item in data['review_list']:
            # 获取用户昵称
            if len(item['cust_name']) > 0:
                name = item['cust_name']
            else:
                name = '无名'
            print(item['cust_name'])
            # 获取用户评分
            if len(item['score']) > 0:
                score = str(item['score'])
            else:
                score = '0'
            print(item['score'] + '\n')
            # 获取用户评论
            content = item['content'].replace(',', ',').replace('\n', '')
            print(item['content'] + '\n')
            # 获取用户评论时间
            creation_date = item['creation_date']
            print(item['creation_date'])
            # 获取有用数
            if len(str(item['total_helpful_num'])) > 0 :
                total_helpful_num = str(item['total_helpful_num'])
            else:
                total_helpful_num = '0'
            print(item['total_helpful_num'])
            # 获取无用数
            if len(str(item['total_useless_num'])) > 0 :
                total_useless_num = str(item['total_useless_num'])
            else:
                total_useless_num = '0'
            print(item['total_useless_num'])
            # 获取评论数
            if len(str(item['total_reply_num'])) > 0 :
                total_reply_num = str(item['total_reply_num'])
            else:
                total_reply_num = '0'
            print(item['total_reply_num'])
            print('\n')
            # 将获取信息写入csv文件
            with open('alive.csv', 'a+', encoding='utf-8-sig') as f:
                f.write(name + ',' + score + ',' + content + ',' + creation_date + ',' + total_helpful_num + ',' + total_useless_num + ',' + total_reply_num + '\n')

python

那么我们现在已经实现了信息的获取和存储,是不是已经完成工作了呢?

并不是,我们还要实现自动化,上面可是手动下滑页面啊!

感谢程序让人解放双手,实现自动化,佩服佩服。

/ 03 / Appium

Appium是移动端自动化测试工具,它可以模拟App内部的各种操作,本次用到就有「点击」和「下滑」。

其实就跟selenium 一样,只不过一个是电脑端自动化,一个是手机端自动化。

Appium安装挺复杂的,而且新版本的命令还不一样。

比如下滑,已经不能使用swip,而是使用TouchAction。

环境变量就是JDK,SDK等,坑太多,小伙伴慢慢体会...

都准备好了之后,将手机和电脑通过数据线连接,打开USB调试,允许访问数据。

用adb命令获取连接情况,及手机型号信息。

用SDK包下的aapt命令获取APK的包名及入口名,这里不细说,有事找度娘。

这样便能配置Appium参数了。

点击蓝色按钮,手机便能自动启动当当App啦!

接下来就是操作手机,然后点击Appium的刷新键,获取元素定位代码,这里就完全用Appium上给的定位,懒得想,毕竟对手机网页不是很懂...

{ 左右滑动切换图片 }

最后就是使用Python代码驱动App啦。

代码语言:javascript
复制
import time
import random
from appium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from appium.webdriver.common.touch_action import TouchAction
from selenium.webdriver.support import expected_conditions as EC


def main():
    # 设置驱动配置
    server = 'http://localhost:4723/wd/hub'
    desired_caps = {
        'platformName': 'Android',
        'deviceName': 'STF_AL00',
        'appPackage': 'com.dangdang.buy2',
        'appActivity': 'com.dangdang.buy2.StartupActivity'
    }
    driver = webdriver.Remote(server, desired_caps)
    # 这里获取一下手机屏幕实际大小,可以为设置滑动参数做参考
    size = driver.get_window_size()
    print(size)
    wait = WebDriverWait(driver, 60)
    # 因为要叫我切换地区,选择取消
    button_1 = wait.until(EC.presence_of_element_located((By.ID, 'com.dangdang.buy2:id/left_bt')))
    button_1.click()
    # 点击图书榜按钮
    button_2 = wait.until(EC.presence_of_element_located((By.ID, 'com.dangdang.buy2:id/index_icon_iv0')))
    button_2.click()
    # 点击图书「活着」区域块
    button_3 = wait.until(EC.presence_of_element_located((By.XPATH, '/hierarchy/android.widget.FrameLayout/android.widget.LinearLayout/android.widget.FrameLayout/android.widget.RelativeLayout/android.support.v4.view.ViewPager/android.widget.RelativeLayout/android.widget.ListView/android.widget.LinearLayout[2]')))
    button_3.click()
    # 点击评论区域块
    button_4 = wait.until(EC.presence_of_element_located((By.ID, 'com.dangdang.buy2:id/product_component_book_score_ll')))
    button_4.click()
    time.sleep(5)
    # 点击差评按钮
    button_5 = wait.until(EC.presence_of_element_located((By.XPATH, '/hierarchy/android.widget.FrameLayout/android.widget.LinearLayout/android.widget.FrameLayout/android.widget.RelativeLayout/android.support.v4.view.ViewPager/android.widget.LinearLayout/android.support.v4.view.ViewPager/android.widget.RelativeLayout/android.widget.LinearLayout/android.view.ViewGroup/android.widget.RelativeLayout[6]/android.widget.TextView')))
    button_5.click()
    # 向下滑动,y轴参数我随便选的,向上滑就对了
    while True:
        TouchAction(driver).press(x=515, y=1247).move_to(x=515, y=1026).release().perform()
        time.sleep(float(random.randint(5, 10)))


if __name__ == '__main__':
    main()

手机自动操作就在下面这个视频里,我录下来的(小程序识别)。

最后成功存储数据。

/ 04 / 数据可视化

词云代码如下。

代码语言:javascript
复制
from wordcloud import WordCloud, ImageColorGenerator
import matplotlib.pyplot as plt
import pandas as pd
import jieba

df = pd.read_excel('alive.xlsx', header=None, names=["name", "score", "comment", "date", "up_number", "down_number", "reply_number"])

text = ''
for line in df['comment']:
    text += ' '.join(jieba.cut(line, cut_all=False))
backgroud_Image = plt.imread('book.jpg')
stopwords = set('')
stopwords.update(['没有', '什么', '不是', '知道', '怎么', '就是', '本书', '当当', '这个 商品', '一个', '自己', '真的', '商品 不太好', '一本', '这样', '但是', '现在', '你们', '一直', '以后', '这个', '商品'])

wc = WordCloud(
    background_color='white',
    mask=backgroud_Image,
    font_path='C:\Windows\Fonts\STZHONGS.TTF',
    max_words=2000,
    max_font_size=150,
    random_state=30,
    stopwords=stopwords
)
wc.generate_from_text(text)
# 看看词频高的有哪些,把无用信息去除
process_word = WordCloud.process_text(wc, text)
sort = sorted(process_word.items(), key=lambda e:e[1], reverse=True)
print(sort[:50])
img_colors = ImageColorGenerator(backgroud_Image)
wc.recolor(color_func=img_colors)
plt.imshow(wc)
plt.axis('off')
wc.to_file("活着.jpg")
print('生成词云成功!')

最后生成差评词云,来看看大家怎么吐槽的。

可以看出主要槽点就是「快递物流」「书本质量」「客服服务」上 。

毕竟「活着」这本书,内容还是不错的,从中深深的体会到生活的不易~

最近公众号被人黑了,最主要的影响是不能对我的公众号加关注,为防止失联,欢迎加我个人微信【hg_liuzl,暗号:Python绿色通道】拉你进群一起进步!

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2018-11-27,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 Python绿色通道 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
云开发 CloudBase
云开发(Tencent CloudBase,TCB)是腾讯云提供的云原生一体化开发环境和工具平台,为200万+企业和开发者提供高可用、自动弹性扩缩的后端云服务,可用于云端一体化开发多种端应用(小程序、公众号、Web 应用等),避免了应用开发过程中繁琐的服务器搭建及运维,开发者可以专注于业务逻辑的实现,开发门槛更低,效率更高。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档