Python实战手机抓包，采集当当图书差评数据！

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。

学习Python中有不明白推荐加入交流群

                号：516107834

                群里有志同道合的小伙伴，互帮互助，

                群里有不错的学习教程！

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。

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'] + '')

# 获取用户评论

content = item['content'].replace(',', '，').replace('', '')

print(item['content'] + '')

# 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('')

# 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 + '')

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。

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()

最后成功存储数据。

/ 04 / 数据可视化

词云代码如下。

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:WindowsFontsSTZHONGS.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~