本帖子背景：本帖子，是一個學習的過程。一個爬取某寶評論的小單子，促使我前來學習簡單的、不用掉頭髮的、不用爆肝的(再說，我也沒那能力去硬幹它啊)教程
昨天晚上，大學四年的舍友微信問我“說還搞爬蟲嗎，給我搞點某寶的評論數據唄，搞一些就行了，拿來做營銷比賽的，做分析的”。我看到是某寶，便回覆“阿里的東西不好搞，風控太厲害了，加密參數摸不着入口，晚上回去可以給你試一下，不敢保證做出來哇”
然後，我下班搞了兩三個小時還沒見到一點點希望，便放棄了，就回復舍友說：搞不定。
0x01、睡覺還在思考：能不能用模擬來做，網易的開源工具Airtest
0x02、早上起牀，買完菜，喫完了午飯，下午纔開始用Airtest搞它！！！
先給兄弟萌看點結果圖唄，不然後面你們說我吹牛
0x03、Airtest最詳細的入門教程
想開發網頁爬蟲，發現被反爬了？想對 App 抓包，發現數據被加密了？不要擔心，使用 Airtest 開發 App 爬蟲，只要人眼能看到，你就能抓到，最快只需要2分鐘，兼容 Unity3D、Cocos2dx-*、Android 原生 App、iOS App、Windows Mobile……。
Airtest是網易開發的手機UI界面自動化測試工具，它原本的目的是通過所見即所得，截圖點擊等等功能，簡化手機App圖形界面測試代碼編寫工作。
爬蟲開發本着天下工具爲我所用，能讓我獲取數據的工具都能用來開發爬蟲這一信念，決定使用Airtest來開發手機App爬蟲。
安裝和使用
由於本文的目的是介紹如何使用Airtest來開發App爬蟲，那麼Airtest作爲測試開發工具的方法介紹將會一帶而過，僅僅說明如何安裝並進行基本的操作。
安裝Airtest
從Airtest官網：https://airtest.netease.com下載Airtest，然後像安裝普通軟件一樣安裝即可。安裝過程沒有什麼需要特別說明的地方。Airtest已經幫你打包好了開發需要的全部環境，所以安裝完成Airtest以後就能夠直接使用了。
Airtest運行以後的界面如下圖所示。
連接手機
以Android手機爲例，由於Airtest會通過adb命令安裝兩個輔助App到手機上，再用adb命令通過控制這兩個輔助App進而控制手機，因此首先需要確保手機的adb調試功能是打開的，並允許通過adb命令安裝App到手機上。
啓動Airtest以後，把Android手機連接到電腦上，點擊下圖方框中的refresh ADB：
此時在Airtest界面右上角應該能夠看到手機的信息，如下圖所示。
點擊connect按鈕，此時可以在界面上看到手機的界面，並且當你手動操作手機屏幕時，Airtest中的手機畫面實時更新。如下圖所示。
對於某些手機，例如小米，在第一次使用Airtest時，請注意手機上將會彈出提示，詢問你是否允許安裝App，此時需要點擊允許按鈕。
打開微信
先通過一個簡單的例子，來看看如何快速上手Airtest，稍後再來詳解。
例如我現在想使用電腦控制手機，打開微信。
此時，點擊下圖中方框框住的touch按鈕：
此時，把鼠標移動到Airtest右邊的手機屏幕區域，鼠標會變成十字型。在微信圖標的左上角按下鼠標左鍵不放，並拖到微信右下角鬆開鼠標。此時請注意中間代碼區域發生了什麼變化，如下圖所示。
好了。以上就是你需要使用電腦打開微信所要進行的全部操作。
點擊上方工具欄中的三角形圖標，運行代碼，如下圖所示。
代碼運行完成以後，微信被打開了。
界面介紹
在有了一個直觀的使用以後，我們再來介紹一下Airtest的界面，將會更加有針對性。
Airtest的界面如下圖所示。
這裏，我把Airtest分成了A-F6個區域，他們的功能如下：
- A區：常用操作功能區
- B區：Python代碼編寫區
- C區：運行日誌區
- D區：手機屏幕區
- E區：App頁面佈局信息查看區
- F區：工具欄
A區是常用的基於圖像識別的屏幕操作功能，例如：
touch: 點擊屏幕元素swipe: 滑動屏幕exists: 判斷屏幕元素是否存在text: 在輸入框中輸入文字snashot: 截圖- ……
一般來說，是點擊A區裏面的某一個功能，然後在D區屏幕上進行框選操作，B區就會自動生成相應的操作代碼。
B區用來顯示和編寫Python代碼。在多數情況下，不需要手動寫代碼，因爲代碼會根據你在手機屏幕上面的操作自動生成。只有一些需要特別定製化的動作才需要修改代碼。
D區顯示了手機屏幕，當你操作手機真機時，這個屏幕會實時刷新。你也可以直接在D區屏幕上使用鼠標操作手機，你的操作動作會被自動在真機上執行。
F區是一些常用工具，從左到右，依次爲：
- 新建項目
- 打開項目
- 保存項目
- 運行代碼
- 停止代碼
- 查看運行報告
其中1-5很好理解，那麼什麼是查看運行報告呢？
當你至少運行了一次以後，點擊這個功能，會自動給你打開一個網頁。網頁如下圖所示，這是你的代碼的運行報告，詳細到每一步操作了什麼元素。
通過截圖功能操作手機雖然方便，但是截圖涉及到分辨率的問題，代碼不能在不同的手機上通用。所以對於A區的功能，做點簡單操作即可，不用深入瞭解。
更高級的功能，需要通過E區實現。
基於App佈局信息操作手機
初始化代碼
App的佈局信息就像網頁的HTML一樣，保存了App上面各個元素的相對位置和各個參數。對於一個App而言，在不同分辨率的手機上，可能相同的元素有着不同的座標點，但是這個元素的屬性參數一般是不會變的。因此，如果使用元素的屬性參數來尋找並控制這個元素，就能實現在不同分辨率手機上的精確定位。
App的佈局信息的格式與App的開發環境有關。點擊F區的下拉菜單，可以看到這裏能夠指定不同的App開發環境。其中的Unity、Cocos-*等等一般是做遊戲用的，Android是安卓原生App，iOS是蘋果的App……如下圖所示。
以手機版知乎爲例，由於它是Android原生的App，所以在F區下拉菜單選擇Android，此時注意B區彈出提示，詢問你是否要插入poco初始代碼到當前輸入光標的位置，點擊Yes，如下圖所示。
此時，B區自動插入了一段代碼，如下圖所示。
定位並點擊
現在，點擊E區的鎖形圖標，如下圖所示。
鎖形圖標激活以後，你再操作D區的屏幕，點擊知乎App下面的知乎兩個字，會發現屏幕上被點擊的App並不會打開。但E區和C區卻發生了變化，如下圖所示。
其中E區顯示的樹狀結構就是當前屏幕的佈局信息，這與Chrome開發者工具裏面顯示的HTML結構如出一轍。C區顯示的是當前被我點中的元素的信息。
請注意在這些元素信息中，有一個text屬性，它的值爲知乎。那麼，這個屬性就可以作爲一個定位元素，於是可以在B區編寫代碼：
|
|
寫完代碼以後運行程序，可以看到知乎App被打開了。如下圖所示。
注意，如果你發現手機真機顯示的界面與Airtest屏幕顯示的手機界面不一致，可能是因爲Airtest的屏幕被你鎖定了。在F區點一下鎖形圖標，取消鎖定，Airtest中的手機屏幕就會更新了。
定位並輸入
打開知乎以後，我想使用知乎的搜索功能，那麼繼續，把鎖形圖標激活，然後點擊知乎頂部的搜索框，如下圖所示：
繼續看C區顯示的搜索框屬性，可以看到這裏有一個name屬性，它的值是com.zhihu.android:id/input，還有一個text屬性，它的值爲蔡徐坤任 NBA 新春賀歲大使。能不能像前面打開知乎一樣，使用text這個屬性呢？也行，也不行。說它行，是因爲你這麼做確實現在能工作；說它不行，因爲這是知乎的熱門搜索關鍵詞，隨時會改變。你今天使用這一句話成功了，明天熱門關鍵詞變化了，那麼你的代碼就無法使用了。所以此時需要使用name這個屬性。
常見的基本上不會變化的屬性包含但不限於：name type resourceId package。
另外還有一點，知乎首頁的這個搜索框，實際上是不能輸入內容的，當你點擊以後，會跳轉到另一個頁面，如下圖所示。
因此你需要先點擊一下這個輸入框，跳轉到真正的搜索界面：
|
|
在真正的搜索界面如下圖所示。
可以看到，name屬性的值依然是com.zhihu.android:id/input，此時就可以輸入內容了。
輸入內容使用的方法爲set_text，用法爲：
|
|
定位並篩選
輸入了搜索關鍵詞以後，再來看看當前頁面，搜索出現了三個結果：
通過對比這三個結果的屬性信息，發現他們的name屬性都是相同的，而text不同。如果像下面這樣寫點擊動作：
|
|
那麼默認就會點擊第一個搜索結果。
如果我想點擊第二個搜索結果怎麼辦呢？可以這樣寫代碼：
|
|
或者你也可以像列表一樣使用索引定位：
|
|
這兩種寫法的前提，都是我們已經知道了每個結果分別是什麼。假設現在我就想搜索古劍奇譚三，但我不知道搜索結果是第幾項，又應該怎麼辦呢？此時還可以使用正則表達式：
|
|
滑動屏幕
進入搜索結果以後，需要查看下面的各種問題，此時就需要不斷向上滑動屏幕。這裏有一點需要特別注意，Airtest只能獲取當前屏幕上的元素佈局信息，不在屏幕上的內容是無法獲取的。這一點和Selenium是不一樣的。
滑動屏幕使用的命令爲swipe，滑動屏幕需要使用座標信息。但這種座標和屏幕分辨率無關。這裏的座標定義爲：(x, y)，其中x爲橫座標，y爲縱座標。屏幕左上角爲(0, 0)，屏幕右下角爲(1, 1)，從左向右，橫座標從0逐漸增大到1，從上到下，縱座標從0逐漸增大到1。
現在我要把屏幕向上滑動，那麼在真機上面，我是先按住屏幕下方，然後把屏幕向上滑動，所以代碼可以這樣寫：
|
|
方向示意圖如下圖所示：
在一般情況下：
- 向上滑動，只需要改動縱座標，且起點值大於終點值
- 向下滑動，只需要改動縱座標，且起點值小於終點值
- 向左滑動，只需要改動橫座標，且起點值大於終點值
- 向右滑動，只需要改動橫座標，且起點值小於終點值
在爬蟲開發中，涉及到的Airtest操作基本上已經介紹完畢。
單獨使用Python控制手機
在Airtest操作手機雖然方便，但是不可能在每一臺電腦上都安裝Airtest吧。所以需要想辦法把代碼從Airtest這個程序中分離出來。
Airtest基於Python的一個開源庫Poco開發，而在Airtest的B區寫的Python代碼，實際上就是Poco的代碼。所以只要安裝Poco庫，就可以在Python中直接控制手機。
安裝Poco庫的命令爲：
|
|
這個庫依賴的東西有點多，安裝稍稍慢一些。安裝完成以後，我們把代碼複製到PyCharm中，如下圖所示。
運行這段代碼，如果是Linux或者macOS的用戶，請注意看運行結果是不是有報錯，提示adb沒有運行權限。這是因爲隨Poco安裝的adb沒有運行權限，需要給它添加權限，在終端執行命令：
|
|
命令運行完成以後再次執行代碼，可以看到代碼運行成功，手機被成功控制了，如下圖所示。
如何獲取屏幕文字
由於Airtest的編輯器中的代碼運行後無法正常打印出中文，因此後面的代碼都直接在PyCharm中執行。
既然要做爬蟲，就需要獲取手機上的文字內容。回到搜索頁面，我想知道“古劍奇譚”三這個關鍵字能搜索出多少條結果，每條結果有多少個討論，如下圖所示：
此時我們需要做兩件事情：
- 分別查看每一個搜索結果
- 獲取屏幕上的文字
E區的樹狀結構如下圖所示：
每一個搜索結果的標題作爲text屬性的值，在name='com.zhihu.android:id/magi_title'對應的元素中；每一個搜索結果的討論數作爲text屬性的值，在name='com.zhihu.android:id/magi_count'對應的元素中。
最直接的做法就是分別獲取三個標題和三個討論數，然後把它們合併在一起：
|
|
運行效果如下圖所示：
但是這種做法實際上是很危險的，假設會有某一個很生僻的搜索結果，只有標題沒有討論數，那麼這樣分開抓取再組合的做法，就會導致最後匹配錯位。所以合理的做法是先抓大再抓小。每一組標題和討論數，他們都有自己的父節點，如下圖箭頭所指向的三個android.widget.LinearLayout:
那麼現在，使用先抓大再抓小的技巧，先把每一組結果的父節點抓下來，再到每一個結果裏面分別獲取標題和討論數。
然而這個父節點又怎麼獲取呢？如下圖所示，這個父節點每一個屬性值都沒有什麼特殊的，寫任何一個都有可能與別的節點撞上。
此時，最簡單的辦法，就是在E區，雙擊父節點。定位代碼就會自動添加，如下圖所示。
這個定位代碼看起來非常複雜，但實際上它的內在邏輯非常簡單，就是從頂層一層一層往下找而已。
自動生成的定位代碼如下：
|
|
在這個自動生成的定位代碼中，我們看到了offspring、child這兩種方法。其中child代表子節點，offspring代表孫節點、孫節點的子節點、孫節點的孫節點……。簡言之，使用child只會在子節點中搜索需要的內容，而使用offspring會像文件夾遞歸一樣把裏面的所有節點都遍歷一次，直到找到符合條件的屬性爲止。顯然，offspring速度會比child慢。
實際上，我們可以對這個定位代碼做一些精簡：
|
|
這個精簡的方法，與從Chrome複製的XPath中進行精簡是一樣的邏輯，根本原則就是找到“獨一無二”的屬性值，然後用這個屬性值來進行定位。
由於我點擊的是第一個搜索結果，所以定位代碼的最後有一個[0]。現在由於需要獲得所有搜索結果的內容，所以應該去掉[0]而使用for循環展開，然後獲取裏面的內容：
|
|
運行效果如下圖所示。
控制多臺手機
當我們在電腦上插入多個Android手機時，執行命令：
|
|
運行效果如下圖所示。
每個手機都會被列出來。在最左邊的編號就是手機串號。使用這個串號可以指定多個手機：
|
|
通過這種方式，在一臺電腦上使用USBHub，連上二三十臺手機是完全沒有問題的。
無線模式
Airtest支持無線模式，不需要USB，只要電腦和手機連接同一個WIFI就能控制：
如果大家對如何開啓無線模式有興趣，請留言，我就會繼續寫。
搭建手機爬蟲集羣
一臺電腦可以連接三十臺手機，那麼如果有很多電腦和很多手機，就可以實現手機爬蟲集羣，其運行效果如下圖所示。
感謝認真讀完這篇教程的您
先別走唄，這裏有可能有你需要的文章：
woff字體反爬實戰，10分鐘就能學會(ttf字體同理);
CSS字體反爬實戰，10分鐘就能學會；
爬蟲：js逆向目前遇到的知識點集合;
woff字體反爬實戰，10分鐘就能學會;
爬蟲js解密分析:某某貓小說;
爬蟲js解密分析:某某雲文學;
個人總結-js逆向解析思路;
最後：可能你們說“這TM騙流量的吧，標題明明說的是爬取某寶的評論數據，教程呢？”
下面只給最核心的代碼，評論頁的代碼，看得懂的總看得懂，看不懂的，建議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:
# 獲取當前屏幕下的所有可見的評論相關數據
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")
# 逐條遍歷獲取評論
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: # 跳過，當前屏幕頁看不全的數據
print("當前的評論數據不完整, 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 淨含量:450g 顏色分類:玫瑰+草木+莓果
comment_dict["time"] = one_view.attr("desc").split("淨含量:")[0].strip()
comment_dict["size"] = one_view.attr("desc").split("顏色分類:")[0].split("淨含量:")[-1].strip()
comment_dict["color"] = one_view.attr("desc").split("顏色分類:")[-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 你可以使用布隆過濾器，會更好一點
end_count += 1
print("已存在的評論啊！！！")
if end_count>20:
break
continue
data.append(comment_dict)
end_count = 0 # 記得清0
total += 1
print("當前共採集到{}條評論. 當前評論內容是:{}".format(total, comment_dict))
print("-" * 50)
if (total % 50) == 0:
# todo 可以做每50條數據保存一次
pass
# 遍歷完畢之後，進行向下拖動滑動
poco.swipe(p1=[0.5, 0.8], p2=[0.5, 0.2])
except Exception as e:
print("出現異常:\n{}".format(traceback.print_exc()))
if end_count > 20:
print("已經嘗試最大次數20，已判斷爲最後一頁的評論數據")
print("進度: 共{}條數據, 已經做保存".format(len(total)))
break
end_count += 1
print("-" * 100)