(2020)使用Airtest来爬取某宝评论数据

本帖子背景：本帖子，是一个学习的过程。一个爬取某宝评论的小单子，促使我前来学习简单的、不用掉头发的、不用爆肝的(再说，我也没那能力去硬干它啊)教程

昨天晚上，大学四年的舍友微信问我“说还搞爬虫吗，给我搞点某宝的评论数据呗，搞一些就行了，拿来做营销比赛的，做分析的”。我看到是某宝，便回复“阿里的东西不好搞，风控太厉害了，加密参数摸不着入口，晚上回去可以给你试一下，不敢保证做出来哇”

然后，我下班搞了两三个小时还没见到一点点希望，便放弃了，就回复舍友说：搞不定。

0x01、睡觉还在思考：能不能用模拟来做，网易的开源工具Airtest

0x02、早上起床，买完菜，吃完了午饭，下午才开始用Airtest搞它！！！

先给兄弟萌看点结果图呗，不然后面你们说我吹牛

0x03、Airtest最详细的入门教程

想开发网页爬虫，发现被反爬了？想对 App 抓包，发现数据被加密了？不要担心，使用 Airtest 开发 App 爬虫，只要人眼能看到，你就能抓到，最快只需要2分钟，兼容 Unity3D、Cocos2dx-*、Android 原生 App、iOS App、Windows Mobile……。

Airtest是网易开发的手机UI界面自动化测试工具，它原本的目的是通过所见即所得，截图点击等等功能，简化手机App图形界面测试代码编写工作。

爬虫开发本着天下工具为我所用，能让我获取数据的工具都能用来开发爬虫这一信念，决定使用Airtest来开发手机App爬虫。

安装和使用

由于本文的目的是介绍如何使用Airtest来开发App爬虫，那么Airtest作为测试开发工具的方法介绍将会一带而过，仅仅说明如何安装并进行基本的操作。

安装Airtest

从Airtest官网：https://airtest.netease.com下载Airtest，然后像安装普通软件一样安装即可。安装过程没有什么需要特别说明的地方。Airtest已经帮你打包好了开发需要的全部环境，所以安装完成Airtest以后就能够直接使用了。

Airtest运行以后的界面如下图所示。

连接手机

以Android手机为例，由于Airtest会通过adb命令安装两个辅助App到手机上，再用adb命令通过控制这两个辅助App进而控制手机，因此首先需要确保手机的adb调试功能是打开的，并允许通过adb命令安装App到手机上。

启动Airtest以后，把Android手机连接到电脑上，点击下图方框中的refresh ADB：

此时在Airtest界面右上角应该能够看到手机的信息，如下图所示。

点击connect按钮，此时可以在界面上看到手机的界面，并且当你手动操作手机屏幕时，Airtest中的手机画面实时更新。如下图所示。

对于某些手机，例如小米，在第一次使用Airtest时，请注意手机上将会弹出提示，询问你是否允许安装App，此时需要点击允许按钮。

打开微信

先通过一个简单的例子，来看看如何快速上手Airtest，稍后再来详解。

例如我现在想使用电脑控制手机，打开微信。

此时，点击下图中方框框住的touch按钮：

此时，把鼠标移动到Airtest右边的手机屏幕区域，鼠标会变成十字型。在微信图标的左上角按下鼠标左键不放，并拖到微信右下角松开鼠标。此时请注意中间代码区域发生了什么变化，如下图所示。

好了。以上就是你需要使用电脑打开微信所要进行的全部操作。

点击上方工具栏中的三角形图标，运行代码，如下图所示。

代码运行完成以后，微信被打开了。

界面介绍

在有了一个直观的使用以后，我们再来介绍一下Airtest的界面，将会更加有针对性。

Airtest的界面如下图所示。

这里，我把Airtest分成了A-F6个区域，他们的功能如下：

• A区：常用操作功能区
• B区：Python代码编写区
• C区：运行日志区
• D区：手机屏幕区
• E区：App页面布局信息查看区
• F区：工具栏

A区是常用的基于图像识别的屏幕操作功能，例如：

• touch: 点击屏幕元素
• swipe: 滑动屏幕
• exists: 判断屏幕元素是否存在
• text: 在输入框中输入文字
• snashot: 截图
• ……

一般来说，是点击A区里面的某一个功能，然后在D区屏幕上进行框选操作，B区就会自动生成相应的操作代码。

B区用来显示和编写Python代码。在多数情况下，不需要手动写代码，因为代码会根据你在手机屏幕上面的操作自动生成。只有一些需要特别定制化的动作才需要修改代码。

D区显示了手机屏幕，当你操作手机真机时，这个屏幕会实时刷新。你也可以直接在D区屏幕上使用鼠标操作手机，你的操作动作会被自动在真机上执行。

F区是一些常用工具，从左到右，依次为：

1. 新建项目
2. 打开项目
3. 保存项目
4. 运行代码
5. 停止代码
6. 查看运行报告

其中1-5很好理解，那么什么是查看运行报告呢？

当你至少运行了一次以后，点击这个功能，会自动给你打开一个网页。网页如下图所示，这是你的代码的运行报告，详细到每一步操作了什么元素。

通过截图功能操作手机虽然方便，但是截图涉及到分辨率的问题，代码不能在不同的手机上通用。所以对于A区的功能，做点简单操作即可，不用深入了解。

更高级的功能，需要通过E区实现。

基于App布局信息操作手机

初始化代码

App的布局信息就像网页的HTML一样，保存了App上面各个元素的相对位置和各个参数。对于一个App而言，在不同分辨率的手机上，可能相同的元素有着不同的坐标点，但是这个元素的属性参数一般是不会变的。因此，如果使用元素的属性参数来寻找并控制这个元素，就能实现在不同分辨率手机上的精确定位。

App的布局信息的格式与App的开发环境有关。点击F区的下拉菜单，可以看到这里能够指定不同的App开发环境。其中的Unity、Cocos-*等等一般是做游戏用的，Android是安卓原生App，iOS是苹果的App……如下图所示。

以手机版知乎为例，由于它是Android原生的App，所以在F区下拉菜单选择Android，此时注意B区弹出提示，询问你是否要插入poco初始代码到当前输入光标的位置，点击Yes，如下图所示。

此时，B区自动插入了一段代码，如下图所示。

定位并点击

现在，点击E区的锁形图标，如下图所示。

锁形图标激活以后，你再操作D区的屏幕，点击知乎App下面的知乎两个字，会发现屏幕上被点击的App并不会打开。但E区和C区却发生了变化，如下图所示。

其中E区显示的树状结构就是当前屏幕的布局信息，这与Chrome开发者工具里面显示的HTML结构如出一辙。C区显示的是当前被我点中的元素的信息。

请注意在这些元素信息中，有一个text属性，它的值为知乎。那么，这个属性就可以作为一个定位元素，于是可以在B区编写代码：

1	poco(text= "知乎").click()

写完代码以后运行程序，可以看到知乎App被打开了。如下图所示。

注意，如果你发现手机真机显示的界面与Airtest屏幕显示的手机界面不一致，可能是因为Airtest的屏幕被你锁定了。在F区点一下锁形图标，取消锁定，Airtest中的手机屏幕就会更新了。

定位并输入

打开知乎以后，我想使用知乎的搜索功能，那么继续，把锁形图标激活，然后点击知乎顶部的搜索框，如下图所示：

继续看C区显示的搜索框属性，可以看到这里有一个name属性，它的值是com.zhihu.android:id/input，还有一个text属性，它的值为蔡徐坤任 NBA 新春贺岁大使。能不能像前面打开知乎一样，使用text这个属性呢？也行，也不行。说它行，是因为你这么做确实现在能工作；说它不行，因为这是知乎的热门搜索关键词，随时会改变。你今天使用这一句话成功了，明天热门关键词变化了，那么你的代码就无法使用了。所以此时需要使用name这个属性。

常见的基本上不会变化的属性包含但不限于：name type resourceId package。

另外还有一点，知乎首页的这个搜索框，实际上是不能输入内容的，当你点击以后，会跳转到另一个页面，如下图所示。

因此你需要先点击一下这个输入框，跳转到真正的搜索界面：

1	poco(name="com.zhihu.android:id/input").click()

在真正的搜索界面如下图所示。

可以看到，name属性的值依然是com.zhihu.android:id/input，此时就可以输入内容了。

输入内容使用的方法为set_text，用法为：

1	poco(name= "com.zhihu.android:id/input").set_text( '古剑奇谭三')

定位并筛选

输入了搜索关键词以后，再来看看当前页面，搜索出现了三个结果：

通过对比这三个结果的属性信息，发现他们的name属性都是相同的，而text不同。如果像下面这样写点击动作：

1	poco(name='com.zhihu.android:id/magi_title').click()

那么默认就会点击第一个搜索结果。

如果我想点击第二个搜索结果怎么办呢？可以这样写代码：

1	poco(name='com.zhihu.android:id/magi_title', text='古剑奇谭（电视剧）').click()

或者你也可以像列表一样使用索引定位：

1	poco(name= 'com.zhihu.android:id/magi_title')[ 1].click()

这两种写法的前提，都是我们已经知道了每个结果分别是什么。假设现在我就想搜索古剑奇谭三，但我不知道搜索结果是第几项，又应该怎么办呢？此时还可以使用正则表达式：

1	poco(name= 'com.zhihu.android:id/magi_title', textMatches= '^古剑奇谭三.*$').click()

滑动屏幕

进入搜索结果以后，需要查看下面的各种问题，此时就需要不断向上滑动屏幕。这里有一点需要特别注意，Airtest只能获取当前屏幕上的元素布局信息，不在屏幕上的内容是无法获取的。这一点和Selenium是不一样的。

滑动屏幕使用的命令为swipe，滑动屏幕需要使用坐标信息。但这种坐标和屏幕分辨率无关。这里的坐标定义为：(x, y)，其中x为横坐标，y为纵坐标。屏幕左上角为(0, 0)，屏幕右下角为(1, 1)，从左向右，横坐标从0逐渐增大到1，从上到下，纵坐标从0逐渐增大到1。

现在我要把屏幕向上滑动，那么在真机上面，我是先按住屏幕下方，然后把屏幕向上滑动，所以代码可以这样写：

1 2 3

# poco.swipe(起点坐标，终点左边) poco.swipe([0.5, 0.8], [0.5, 0.2])

方向示意图如下图所示：

在一般情况下：

• 向上滑动，只需要改动纵坐标，且起点值大于终点值
• 向下滑动，只需要改动纵坐标，且起点值小于终点值
• 向左滑动，只需要改动横坐标，且起点值大于终点值
• 向右滑动，只需要改动横坐标，且起点值小于终点值

在爬虫开发中，涉及到的Airtest操作基本上已经介绍完毕。

单独使用Python控制手机

在Airtest操作手机虽然方便，但是不可能在每一台电脑上都安装Airtest吧。所以需要想办法把代码从Airtest这个程序中分离出来。

Airtest基于Python的一个开源库Poco开发，而在Airtest的B区写的Python代码，实际上就是Poco的代码。所以只要安装Poco库，就可以在Python中直接控制手机。

安装Poco库的命令为：

1	pip install pocoui

这个库依赖的东西有点多，安装稍稍慢一些。安装完成以后，我们把代码复制到PyCharm中，如下图所示。

运行这段代码，如果是Linux或者macOS的用户，请注意看运行结果是不是有报错，提示adb没有运行权限。这是因为随Poco安装的adb没有运行权限，需要给它添加权限，在终端执行命令：

1 2 3

# chmod +x 报错信息中给出的adb地址 chmod +x /Users/kingname/.local/share/virtualenvs/ZhihuSpider/lib/python3.7/site-packages/airtest/core/android/static/adb/mac/adb(实际执行时请换成你的地址)

命令运行完成以后再次执行代码，可以看到代码运行成功，手机被成功控制了，如下图所示。

如何获取屏幕文字

由于Airtest的编辑器中的代码运行后无法正常打印出中文，因此后面的代码都直接在PyCharm中执行。

既然要做爬虫，就需要获取手机上的文字内容。回到搜索页面，我想知道“古剑奇谭”三这个关键字能搜索出多少条结果，每条结果有多少个讨论，如下图所示：

此时我们需要做两件事情：

1. 分别查看每一个搜索结果
2. 获取屏幕上的文字

E区的树状结构如下图所示：

每一个搜索结果的标题作为text属性的值，在name='com.zhihu.android:id/magi_title'对应的元素中；每一个搜索结果的讨论数作为text属性的值，在name='com.zhihu.android:id/magi_count'对应的元素中。

最直接的做法就是分别获取三个标题和三个讨论数，然后把它们合并在一起：

1 2 3 4 5 6 7 8

title_obj_list = poco(name= 'com.zhihu.android:id/magi_title') title_list = [title.get_text() for title in title_obj_list] discuss_obj_list = poco(name= 'com.zhihu.android:id/magi_count') discuss_list = [discuss.get_text() for discuss in discuss_obj_list] for title, discuss in zip(title_list, discuss_list): print(title, discuss)

运行效果如下图所示：

但是这种做法实际上是很危险的，假设会有某一个很生僻的搜索结果，只有标题没有讨论数，那么这样分开抓取再组合的做法，就会导致最后匹配错位。所以合理的做法是先抓大再抓小。每一组标题和讨论数，他们都有自己的父节点，如下图箭头所指向的三个android.widget.LinearLayout:

那么现在，使用先抓大再抓小的技巧，先把每一组结果的父节点抓下来，再到每一个结果里面分别获取标题和讨论数。

然而这个父节点又怎么获取呢？如下图所示，这个父节点每一个属性值都没有什么特殊的，写任何一个都有可能与别的节点撞上。

此时，最简单的办法，就是在E区，双击父节点。定位代码就会自动添加，如下图所示。

这个定位代码看起来非常复杂，但实际上它的内在逻辑非常简单，就是从顶层一层一层往下找而已。

自动生成的定位代码如下：

1	poco("android.widget.LinearLayout").offspring("com.zhihu.android:id/action_bar_root").offspring("com.zhihu.android:id/parent_fragment_content_id").offspring("android.support.v7.widget.RecyclerView").child("android.widget.LinearLayout")[0]

在这个自动生成的定位代码中，我们看到了offspring、child这两种方法。其中child代表子节点，offspring代表孙节点、孙节点的子节点、孙节点的孙节点……。简言之，使用child只会在子节点中搜索需要的内容，而使用offspring会像文件夹递归一样把里面的所有节点都遍历一次，直到找到符合条件的属性为止。显然，offspring速度会比child慢。

实际上，我们可以对这个定位代码做一些精简：

1	poco("com.zhihu.android:id/parent_fragment_content_id").offspring("android.support.v7.widget.RecyclerView").child("android.widget.LinearLayout")[0]

这个精简的方法，与从Chrome复制的XPath中进行精简是一样的逻辑，根本原则就是找到“独一无二”的属性值，然后用这个属性值来进行定位。

由于我点击的是第一个搜索结果，所以定位代码的最后有一个[0]。现在由于需要获得所有搜索结果的内容，所以应该去掉[0]而使用for循环展开，然后获取里面的内容：

1 2 3 4 5

result_obj = poco("com.zhihu.android:id/parent_fragment_content_id").offspring("android.support.v7.widget.RecyclerView").child("android.widget.LinearLayout") for result in result_obj: title = result.child(name='com.zhihu.android:id/magi_title').get_text() count = result.child(name='com.zhihu.android:id/magi_count').get_text() print(title, count)

运行效果如下图所示。

控制多台手机

当我们在电脑上插入多个Android手机时，执行命令：

1	adb devices -l

运行效果如下图所示。

每个手机都会被列出来。在最左边的编号就是手机串号。使用这个串号可以指定多个手机：

1 2 3 4 5 6 7 8 9 10 11 12

from airtest.core.api import auto_setup from airtest.core.android import Android from poco.drivers.android.uiautomation import AndroidUiautomationPoco auto_setup(__file__) device_1 = Android('76efadf3a7ce4') device_2 = Android('adfasdfasf23') device_3 = Android('adifu39ernla') poco_1 = AndroidUiautomationPoco(device_1, use_airtest_input=True, screenshot_each_action=False) poco_2 = AndroidUiautomationPoco(device_2, use_airtest_input=True, screenshot_each_action=False) poco_3 = AndroidUiautomationPoco(device_3, use_airtest_input=True, screenshot_each_action=False)

通过这种方式，在一台电脑上使用USBHub，连上二三十台手机是完全没有问题的。

无线模式

Airtest支持无线模式，不需要USB，只要电脑和手机连接同一个WIFI就能控制：

如果大家对如何开启无线模式有兴趣，请留言，我就会继续写。

搭建手机爬虫集群

一台电脑可以连接三十台手机，那么如果有很多电脑和很多手机，就可以实现手机爬虫集群，其运行效果如下图所示。

感谢认真读完这篇教程的您

先别走呗，这里有可能有你需要的文章：

woff字体反爬实战，10分钟就能学会(ttf字体同理);
CSS字体反爬实战，10分钟就能学会；
爬虫：js逆向目前遇到的知识点集合;
woff字体反爬实战，10分钟就能学会;
爬虫js解密分析:某某猫小说;
爬虫js解密分析:某某云文学;
个人总结-js逆向解析思路;

最后：可能你们说“这TM骗流量的吧，标题明明说的是爬取某宝的评论数据，教程呢？”

下面只给最核心的代码，评论页的代码，看得懂的总看得懂，看不懂的，建议你可以直接先按照前面的教程，爬取一次知乎就清楚了：

data = []
total = 0
while 1:
    try:
        # 获取当前屏幕下的所有可见的评论相关数据
        comment_lists = poco("android:id/content").offspring(
            "com.taobao.taobao:id/fl_detail_fragment").child(
            "android.widget.RelativeLayout").offspring(
            "android.support.v7.widget.RecyclerView").child(
            "android.widget.FrameLayout")

        # 逐条遍历获取评论
        for _i, one_comment in enumerate(comment_lists):
            view_lists = one_comment.child("android.view.ViewGroup").child(type="android.view.View")
            if len(view_lists) < 4:  # 跳过，当前屏幕页看不全的数据
                print("当前的评论数据不完整, len:{}".format(len(view_lists)))
                continue
            comment_dict = {
                "user": "",
                "time": "",
                "size": "",
                "color": "",
                "content": "",
                "click_num": 0,
            }
            for index, one_view in enumerate(view_lists):
                if index == 1:  # 2020-01-08 净含量:450g 颜色分类:玫瑰+草木+莓果
                    comment_dict["time"] = one_view.attr("desc").split("净含量:")[0].strip()
                    comment_dict["size"] = one_view.attr("desc").split("颜色分类:")[0].split("净含量:")[-1].strip()
                    comment_dict["color"] = one_view.attr("desc").split("颜色分类:")[-1].strip()
                comment_dict["content"] = one_view.attr("desc") if index == 2 else comment_dict["content"]
                comment_dict["click_num"] = int(re.search("\d+", one_view.attr("desc")).group()) if index == 3 else comment_dict["click_num"]
                comment_dict["user"] = one_view.attr("desc") if index == 0 else comment_dict["user"]

            if comment_dict in data:  # TODO 你可以使用布隆过滤器，会更好一点
                end_count += 1
                print("已存在的评论啊！！！")
                if end_count>20:
                    break
                continue
            data.append(comment_dict)
            end_count = 0  # 记得清0
            total += 1
            print("当前共采集到{}条评论. 当前评论内容是:{}".format(total, comment_dict))
            print("-" * 50)
            if (total % 50) == 0:
                # todo 可以做每50条数据保存一次
                pass

        # 遍历完毕之后，进行向下拖动滑动
        poco.swipe(p1=[0.5, 0.8], p2=[0.5, 0.2])
    except Exception as e:
        print("出现异常:\n{}".format(traceback.print_exc()))
        if end_count > 20:
            print("已经尝试最大次数20，已判断为最后一页的评论数据")
            print("进度: 共{}条数据, 已经做保存".format(len(total)))
            break
        end_count += 1
        print("-" * 100)