Python如何爬取微信朋友圈

這篇文章主要為大家展示了“Python如何爬取微信朋友圈”，內容簡而易懂，條理清晰，希望能夠幫助大家解決疑惑，下面讓小編帶領大家一起研究并學習一下“Python如何爬取微信朋友圈”這篇文章吧。

前言

如果直接用 Charles 或 mitmproxy 來監聽微信朋友圈的接口數據，這是無法實現爬取的，因為數據都是被加密的。而 Appium 不同，Appium 作為一個自動化測試工具可以直接模擬 App 的操作并可以獲取當前所見的內容。所以只要 App 顯示了內容，我們就可以用 Appium 抓取下來。

1. 本次目標

本節我們以 Android 平臺為例，實現抓取微信朋友圈的動態信息。動態信息包括好友昵稱、正文、發布日期。其中發布日期還需要進行轉換，如日期顯示為 1 小時前，則時間轉換為今天，最后動態信息保存到 MongoDB。

2. 準備工作

請確保 PC 已經安裝好 Appium、Android 開發環境和 Python 版本的 Appium API。Android 手機安裝好微信 App、PyMongo 庫，安裝 MongoDB 并運行其服務，安裝方法可以參考第 1 章。

3. 初始化

首先新建一個 Moments 類，進行一些初始化配置，如下所示：

PLATFORM = 'Android'
DEVICE_NAME = 'MI_NOTE_Pro'
APP_PACKAGE = 'com.tencent.mm'
APP_ACTIVITY = '.ui.LauncherUI'
DRIVER_SERVER = 'http://localhost:4723/wd/hub'
TIMEOUT = 300
MONGO_URL = 'localhost'
MONGO_DB = 'moments'
MONGO_COLLECTION = 'moments'


class Moments():
def __init__(self):
"""初始化"""
# 驅動配置
self.desired_caps = {
'platformName': PLATFORM,
'deviceName': DEVICE_NAME,
'appPackage': APP_PACKAGE,
'appActivity': APP_ACTIVITY
}

self.driver = webdriver.Remote(DRIVER_SERVER, self.desired_caps)
self.wait = WebDriverWait(self.driver, TIMEOUT)
self.client = MongoClient(MONGO_URL)
self.db = self.client[MONGO_DB]
self.collection = self.db[MONGO_COLLECTION]

這里實現了一些初始化配置，如驅動的配置、延時等待配置、MongoDB 連接配置等。

4. 模擬登錄

接下來要做的就是登錄微信。點擊登錄按鈕，輸入用戶名、密碼，提交登錄即可。實現樣例如下所示：

def login(self):
# 登錄按鈕
login = self.wait.until(EC.presence_of_element_located((By.ID, 'com.tencent.mm:id/cjk')))
login.click()
# 手機輸入
phone = self.wait.until(EC.presence_of_element_located((By.ID, 'com.tencent.mm:id/h3')))
phone.set_text(USERNAME)
# 下一步
next = self.wait.until(EC.element_to_be_clickable((By.ID, 'com.tencent.mm:id/adj')))
next.click()
# 密碼
password = self.wait.until(EC.presence_of_element_located((By.XPATH, '//*[@resource-id="com.tencent.mm:id/h3"][1]')))
password.set_text(PASSWORD)
# 提交
submit = self.wait.until(EC.element_to_be_clickable((By.ID, 'com.tencent.mm:id/adj')))
submit.click()

這里依次實現了一些點擊和輸入操作，思路比較簡單。對于不同的平臺和版本來說，流程可能不太一致，這里僅作參考。

登錄完成之后，進入朋友圈的頁面。選中朋友圈所在的選項卡，點擊朋友圈按鈕，即可進入朋友圈，代碼實現如下所示：

def enter(self):
# 選項卡
tab = self.wait.until(EC.presence_of_element_located((By.XPATH, '//*[@resource-id="com.tencent.mm:id/bw3"][3]')))
tab.click()
# 朋友圈
moments = self.wait.until(EC.presence_of_element_located((By.ID, 'com.tencent.mm:id/atz')))
moments.click()

抓取工作正式開始。

5. 抓取動態

我們知道朋友圈可以一直拖動、不斷刷新，所以這里需要模擬一個無限拖動的操作，如下所示：

# 滑動點
FLICK_START_X = 300
FICK_START_Y = 300

FLICK_DISTANCE = 700


def crawl(self):

while True:

# 上滑

self.driver.swipe(FLICK_START_X, FLICK_START_Y + FLICK_DISTANCE, FLICK_START_X, FLICK_START_Y)

我們利用 swipe() 方法，傳入起始和終止點實現拖動，加入無限循環實現無限拖動。

獲取當前顯示的朋友圈的每條狀態對應的區塊元素，遍歷每個區塊元素，再獲取內部顯示的用戶名、正文和發布時間，代碼實現如下所示：

# 當前頁面顯示的所有狀態
items = self.wait.until(
EC.presence_of_all_elements_located((By.XPATH, '//*[@resource-id="com.tencent.mm:id/cve"]//android.widget.FrameLayout')))
# 遍歷每條狀態
for item in items:
try:
 昵稱

nickname = item.find_element_by_id('com.tencent.mm:id/aig').get_attribute('text')

# 正文

content = item.find_element_by_id('com.tencent.mm:id/cwm').get_attribute('text')

# 日期

date = item.find_element_by_id('com.tencent.mm:id/crh').get_attribute('text')

# 處理日期

date = self.processor.date(date)

print(nickname, content, date)

data = {

'nickname': nickname,

'content': content,

'date': date,

}

except NoSuchElementException:

pass

這里遍歷每條狀態，再調用 find_element_by_id() 方法獲取昵稱、正文、發布日期對應的元素，然后通過 get_attribute() 方法獲取內容。這樣我們就成功獲取到朋友圈的每條動態信息。

針對日期的處理，我們調用了一個 Processor 類的 date() 處理方法，該方法實現如下所示：

def date(self, datetime):
"""
處理時間
:param datetime: 原始時間
:return: 處理后時間
"""

if re.match('d + 分鐘前 ', datetime):
minute = re.match('(d+)', datetime).group(1)
datetime = time.strftime('% Y-% m-% d', time.localtime(time.time() - float(minute) * 60))
if re.match('d + 小時前 ', datetime):
hour = re.match('(d+)', datetime).group(1)
datetime = time.strftime('% Y-% m-% d', time.localtime(time.time() - float(hour) * 60 * 60))
if re.match(' 昨天 ', datetime):
datetime = time.strftime('% Y-% m-% d', time.localtime(time.time() - 24 * 60 * 60))
if re.match('d + 天前 ', datetime):
day = re.match('(d+)', datetime).group(1)
datetime = time.strftime('% Y-% m-% d', time.localtime(time.time()) - float(day) * 24 * 60 * 60)
return datetime

這個方法使用了正則匹配的方法來提取時間中的具體數值，再利用時間轉換函數實現時間的轉換。例如時間是 5 分鐘前，這個方法先將 5 提取出來，用當前時間戳減去 300 即可得到發布時間的時間戳，然后再轉化為標準時間即可。

最后調用 MongoDB 的 API 來實現爬取結果的存儲。為了去除重復，這里調用了 update() 方法，實現如下所示：

self.collection.update({'nickname': nickname, 'content': content}, {'$set': data}, True)

首先根據昵稱和正文來查詢信息，如果信息不存在，則插入數據，否則更新數據。這個操作的關鍵點是第三個參數 True，此參數設置為 True，這可以實現存在即更新、不存在則插入的操作。

最后實現一個入口方法調用以上的幾個方法。調用此方法即可開始爬取，代碼實現如下所示：

def main(self):
# 登錄
self.login()
# 進入朋友圈
self.enter()
# 爬取
self.crawl()

這樣我們就完成了整個朋友圈的爬蟲。代碼運行之后，手機微信便會啟動，并且可以成功進入到朋友圈然后一直不斷執行拖動過程。控制臺輸出相應的爬取結果，結果被成功保存到 MongoDB 數據庫中。

以上是“Python如何爬取微信朋友圈”這篇文章的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注億速云行業資訊頻道！