• appium+fiddler——douyin小爬虫


    //保存到本地添加开始
            
            //这是抖音的地址||"v1-dy.ixigua.com"||"v3-dy.ixigua.com"||"v6-dy.ixigua.com"||"v9-dy.ixigua.com"||
            if (oSession.fullUrl.Contains("v1-dy.ixigua.com")||
                oSession.fullUrl.Contains("v3-dy.ixigua.com")||
                oSession.fullUrl.Contains("v6-dy.ixigua.com")||
                oSession.fullUrl.Contains("v9-dy.ixigua.com")){
                
                var fso;
                var file;
                fso = new ActiveXObject("Scripting.FileSystemObject");
                //文件保存路径,可自定义
                file = fso.OpenTextFile("H:\Request.txt",8 ,true);
                //file.writeLine("Request-url:" + oSession.url);
                file.writeLine("http://"+oSession.url)
                //file.writeLine("Request-host:" + oSession.host);
                //file.writeLine("Request-header:" + "
    " + oSession.oRequest.headers);
                //file.writeLine("Request-body:" + oSession.GetRequestBodyAsString());
                //file.writeLine("
    ");
                file.close();
            }        
            //保存到本地添加结束
    from appium import webdriver
    from time import sleep
    
    #以下代码可以操控手机app(抖音)
    class Action():
        def __init__(self):
            #初始化配置,设置Desired Capabilities参数
            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'
            #新建一个Session
            self.driver = webdriver.Remote(self.server, self.desired_caps)
            #设置滑动初始坐标和滑动距离
          self.start_x = 500
            self.start_y = 1500
            self.distance = 1300
    
        def comments(self):
            sleep(3)
            #app开启之后点击一次屏幕,确保页面的展示
            self.driver.tap([(500, 1200)], 500)
        def scroll(self):
            #无限滑动
            while True:
                #模拟滑动
                self.driver.swipe(self.start_x, self.start_y, self.start_x,
                self.start_y - self.distance)
                #设置延时等待
                sleep(5)
        def main(self):
            self.comments()
            self.scroll()
    
    if __name__ == '__main__':
        action = Action()
        action.main()
    # _*_ coding: utf-8 _*_
    import requests
    import sys
    headers = {"User-Agent":"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/42.0.2311.90 Safari/537.36" }
    
    #去重方法
    def distinct_data():
        #读取txt中文档的url列表
        datalist_blank=[]
        pathtxt='H:/Request.txt'
        with open(pathtxt) as f:
            f_data_list=f.readlines()#d得到的是一个list类型
            for a in f_data_list:
                datalist_blank.append(a.strip())#去掉
     strip去掉头尾默认空格或换行符
        data_dict={}
        for data in datalist_blank:
            #url中以/为切分,在以m为切分   ##把m后面的值放进字典key的位置,利用字典特性去重
            if int(data.split('/').index('m'))==4 :#此处为v6开头的url
                #print(data,44,data.split('/')[5])
                data_key1=data.split("/")[5]
                data_dict[data_key1]=data
            elif int(data.split('/').index('m'))==6: #此处为v1或者v3或者v9开头的url
                data_key2=data.split("/")[7]
                data_dict[data_key2] =data
        #print(len(data_dict),data_dict)
        data_new=[]
        for x,y in data_dict.items():
            data_new.append(y)
        return data_new
    
    def responsedouyin():
        data_url=distinct_data()
        #使用request获取视频url的内容
        #stream=True作用是推迟下载响应体直到访问Response.content属性
        #将视频写入文件夹
        num = 1
        for url in data_url:
            res = requests.get(url,stream=True,headers=headers)
            #res = requests.get(url=url, stream=True, headers=headers)
            #定义视频存放的路径
            pathinfo = 'H:/douyin-video/%d.mp4' % num  #%d 用于整数输出   %s用于字符串输出
            #实现下载进度条显示,这一步需要得到总视频大小
            total_size = int(res.headers['Content-Length'])
            #设置流的起始值为0
            temp_size = 0
            if res.status_code == 200:
                with open(pathinfo, 'wb') as file:
                    #file.write(res.content)
                    #print(pathinfo + '下载完成啦啦啦啦啦')
                    num += 1
                    #当流下载时,下面是优先推荐的获取内容方式,iter_content()函数就是得到文件的内容,指定chunk_size=1024,大小可以自己设置哟,设置的意思就是下载一点流写一点流到磁盘中
                    for chunk in res.iter_content(chunk_size=1024):
                        if chunk:
                            temp_size += len(chunk)
                            file.write(chunk)
                            file.flush() #刷新缓存
                    #############下载进度条部分start###############
                            done = int(50 * temp_size / total_size)
                            #print('百分比:',done)
                            sys.stdout.write("
    [%s%s] %d % %" % ('' * done, ' ' * (50 - done), 100 * temp_size / total_size)+" 下载信息:"+pathinfo + "下载完成啦啦啦啦啦")
                            sys.stdout.flush()#刷新缓存
                    #############下载进度条部分end###############
                    print('
    ')#每一条打印在屏幕上换行输出
    
    
    if __name__ == '__main__':
        responsedouyin()
  • 相关阅读:
    JQUERY 滚动 scroll事件老忘记 标记下
    js获取iframe里的body内容
    win8.1企业版 IIS8.5 安装php5.5.18详细图文
    JS 根据特定URL获取ID数组
    wampserver 2.5安装pear win8.1
    webstorm 文件历史找回~ 恢复正确状态~
    深入浅出数据库索引原理(转)
    Winform自定义表单(转)
    用 ASP.NET MVC 实现基于 XMLHttpRequest long polling(长轮询) 的 Comet(转)
    面对海量请求,缓存设计还应该考虑哪些问题?(转)
  • 原文地址:https://www.cnblogs.com/bigriverx/p/13709276.html
Copyright © 2020-2023  润新知