Python爬虫学习教程：爬取b站直播消费记录!

python学习教程

发布于 2021-04-23 09:54:52

8100

发布于 2021-04-23 09:54:52

文章被收录于专栏：python学习教程 python学习教程python学习教程

基于python的Appium进行b站直播消费记录爬取

之前看文章说fiddler也可以进行爬取，但尝试了一下没成功，这次选择appium进行爬取。类似的，可以运用爬取微信朋友圈和抖音等手机app相关数据

正文

#环境配置参考

前期工作准备，需要安装python、jdk、PyCharm、Appium-windows-x.x、Appium_Python_Client、android SDK，pycharm可以用anaconda的jupyter来替代

前期准备工作配置需要不停的安装和配置环境变量，也是个相对枯燥的过程

完成以后就可以真正爬取啦

导入模块

from appium import webdriverimport numpy as npimport pandas as pdimport time

通过程序打开手机b站app

desired_caps = {'platformName': 'Android', # 被测手机是安卓'platformVersion': '10', # 手机安卓版本'deviceName': 'xxx', # 设备名，安卓手机可以随意填写'appPackage': 'tv.danmaku.bili', # 启动APP Package名称'appActivity': '.ui.splash.SplashActivity', # 启动Activity名称'unicodeKeyboard': True, # 使用自带输入法，输入中文时填True'resetKeyboard': True, # 执行完程序恢复原来输入法'noReset': True, # 不要重置App，如果为False的话，执行完脚本后，app的数据会清空，比如你原本登录了，执行完脚本后就退出登录了'newCommandTimeout': 6000,'automationName': 'UiAutomator2'}

打开b站

# 连接Appium Server，初始化自动化环境driver = webdriver.Remote('http://localhost:4723/wd/hub', desired_caps)# 设置等待时间，如果不给时间的话可能会找不到元素driver.implicitly_wait(4)

打开之后呈现如下页面

在手机上点击我的——我的直播——消费记录，查看个人消费记录，

当然也可以写两行代码来实现这个过程（这里选择跳过），如下图所示

因为这个消费记录很多，一个页面只能显示10条，要想爬取所有的可以设置滑动，边向上滑动边爬取就能获取所有的数据。

具体参数设置的flick_distance=1050可以不重不漏的爬取，如下所示：

设置滑动

flick_start_x=540flick_start_y=192flick_distance=1050while True:driver.swipe(flick_start_x,flick_start_y+flick_distance,flick_start_x,flick_start_y)

爬取

pay_name_list=[]present_price_list=[]pay_room_list=[]pay_ru_name_list=[]pay_time_list=[]flick_start_x=540flick_start_y=192flick_distance=1050while True:pay_name=driver.find_elements_by_id('pay_name')for i in range(len(pay_name)):pay_name_list.append(pay_name[i].text)present_price=driver.find_elements_by_id('present_price')for i in range(len(present_price)):present_price_list.append(present_price[i].text)pay_room=driver.find_elements_by_id('pay_room')for i in range(len(pay_room)):pay_room_list.append(pay_room[i].text)pay_ru_name=driver.find_elements_by_id('pay_ru_name')for i in range(len(pay_ru_name)):pay_ru_name_list.append(pay_ru_name[i].text)pay_time=driver.find_elements_by_id('pay_time')for i in range(len(pay_time)):pay_time_list.append(pay_time[i].text)driver.swipe(flick_start_x,flick_start_y+flick_distance,flick_start_x,flick_start_y)time.sleep(2)

转换成dataframe

a=pd.DataFrame([pay_name_list,present_price_list,pay_room_list,pay_ru_name_list,pay_time_list],index=['pay_name_list','present_price_list','pay_room_list','pay_ru_name_list','pay_time_list'])pd.DataFrame(a.T).head(50)