更多>>关于我们

西安鲲之鹏网络信息技术有限公司从2010年开始专注于Web(网站)数据抓取领域。致力于为广大中国客户提供准确、快捷的数据采集相关服务。我们采用分布式系统架构,日采集网页数千万。我们拥有海量稳定高匿HTTP代理IP地址池,可以有效获取互联网任何公开可见信息。

您只需告诉我们您想抓取的网站是什么,您感兴趣的字段有哪些,你需要的数据是哪种格式,我们将为您做所有的工作,最后把数据(或程序)交付给你。

数据的格式可以是CSV、JSON、XML、ACCESS、SQLITE、MSSQL、MYSQL等等。

更多>>官方微博

西安鲲之鹏
陕西 西安

加关注

  • 【经验分享】利用HAProxy Runtime API的"set server"命令可以动态修改Haproxy的Backend server。
    例如 将Backend "backendout"的 Server "server1"的地址修改为115.209.110.181,端口修改为32603,执行如下命令即可。
    echo "set server backendout/server1 addr 115.209.110.181 port 32603" | socat stdio tcp4-connect:127.0.0.1:9999

    有两个前提:
    (1)HAproxy 2.0以后的版本才支持 Runtime API。
    (2)在配置文件里要开始 Runtime API的端口。如下配置示例,在9999端口开启Runtime API。
    global
    stats socket ipv4@127.0.0.1:9999 level admin

    详细用法可以参见官方博客里的示例,链接为https://www.haproxy.com/blog/dynamic-configuration-haproxy-runtime-api/
    发布时间:2022-05-22 16:22:21
  • 【经验分享】linux下如何检测某个网口下有ADSL拨号设备信号?
    用途:检测拨号设备是否工作正常,或者网口与拨号设备的连接是否正常。
    方法:可以使用"pppoe-discovery -I eth1"命令,eth1修改为具体要检测的网口。如果对应网口和拨号设备连接正常,将会返回BAS的名称和IP。
    文档连接:https://www.systutorials.com/docs/linux/man/8-pppoe-discovery/

    如附图所示,为分别在连云港联通、南京电信、南昌电信拨号环境下做的测试。
    发布时间:2022-05-10 19:10:47
  • 【经验分享】如何查看客户通过web隧道访问了什么网站?
    Web隧道内传输的数据通常是经过ssl加密的,如何通过抓包查看客户访问了什么网站呢?我们知道Web隧道的建立离不开HTTP的CONNECT方法,因为只要我们过滤CONNECT关键词就能拿到客户连接的目标网址。
    例如,我们通过ngrep进行包过滤,锁定Web隧道服务的端口(本例为65002)
    sudo ngrep -d ens3 -W byline -N -t -q CONNECT port 65002
    PS:ens3 是网口。结果如附图所示。
    发布时间:2022-05-10 16:58:59
  • 【经验分享】如何计算阿里系Ajax请求中的sign签名?
    有过阿里系采集经验的开发者都应该知道,某宝(天猫)H5版、1688、某宝司法拍卖H5版等阿里系网站,在Ajax请求中都会有一个sign签名参数(如下图1、2、3所示),要是值不正确将无法获取到有效的数据(例如返回“非法请求”提示)。如果我们无法构造出有效的sign,就只能通过“模拟浏览器操作”的方式来绕过签名验证,再结合"mitmproxy动态抓包脚本"来提取返回数据,这种方案效率太低,而且很不灵活。本文将介绍如何计算这个sign值以及给出对应的Python实现,这样就能实现通过直接HTTP交互抓取数据。点击链接查看详情>>> http://www.site-digger.com/html/articles/20211018/851.html

    •  
    发布时间:2021-10-18 14:59:23
  • 【经验分享】接上一篇:Android APP内置WebView如何获取当前加载的URL(方法二)?
    这次是直接HOOK android.webkit.WebView类的loadUrl()方法,可以直接得到加载的URL。同时也可以再loadUrl()内调用setWebContentsDebuggingEnabled(true)开启远程调试。效果如附图所示,这是某宝APP内嵌的H5页面,成功获取到了URL并且在inspect中能看到对应的WebView窗口(开启该WebView的远程调试成功)。

    // 查看WebView加载的URLs并启动远程调试
    Java.use("android.webkit.WebView").loadUrl.overload("java.lang.String").implementation = function (s) {
    console.log('WebView.loadUrl():' + s);
    console.log('Set webview DebuggingEnabled!');
    this.setWebContentsDebuggingEnabled(true);
    this.loadUrl.overload("java.lang.String").call(this, s);
    };
    发布时间:2022-05-06 13:31:47
  • 【经验分享】Android APP内置WebView如何获取当前加载的URL?
    (1)使用Firida强制其开启WebView的远程调试,以某司法拍卖APP为例,执行如下代码后。
    Java.perform(function() {
    var WebView = Java.use("com.uc.webview.export.WebView");
    WebView.setWebContentsDebuggingEnabled(true);
    }
    );
    (2)通过adb forward命令把WebView的Unix域套接字映射为本地端口,详细步骤可参见我们的这篇文章http://www.site-digger.com/html/articles/20220414/860.html
    (3)通过WebView的远程调试接口即可看到当前Tab的JSON数据,如附图所示,其中就有URL信息。
    发布时间:2022-05-06 13:04:25
  • 【经验分享】可以用VMware Workstation远程管理ESXi服务器上的虚拟机。
    ESXi管理界面是基于Web的,用起来不太习惯,今天偶然发现VMware Workstation的菜单里有个“连接服务器”操作,试了一下竟然可以远程管理ESXi。
    1. 点击"文件->连接服务器"。填入ESXi的IP地址、管理员用户名和密码,连接。
    2. 如果有https错误提示,点击忽略。成功连上以后就能看到和本地虚拟机一样的列表。操作起来也和操作本地虚拟机一样方便。如附图所示。
    发布时间:2022-04-02 17:42:32
  • 【经验分享】Linux如何设置虚拟内存?
    1. 先看一下是否设置了虚拟内存。执行free -m命令,查看"Swap:"后的第一个数字,如果是0则表明未设置。
    2. 添加虚拟内存,假设1G。
    # 创建swapfile文件
    sudo dd if=/dev/zero of=/swapfile bs=1M count=1024
    # 将目标设置为swap分区文件
    sudo mkswap /swapfile
    # 激活启用虚拟内存,执行完毕之后就可以用free -m验证是否生效了。
    sudo swapon /swapfile
    开机自动启用虚拟内存:
    添加这行: /swapfile swap swap defaults 0 0 到 /etc/fstab即可。
    发布时间:2022-04-01 19:36:02
  • 【经验分享】Windows下如何获取进程的命令行参数?
    任务管理器里可以通过添加“命令行”列显示出来,但是无法复制。如下命令比较完美。
    示例:
    wmic process where caption="wechatweb.exe" get caption,commandline /value ​​​
    发布时间:2022-03-23 13:51:44
  • 【经验分享】taskkill终止进程出现“拒绝访问”如何解决?
    试试 wmic process where name='NemuPlayer.exe' delete
    效果如附图所示。 ​​​
    发布时间:2022-03-02 14:10:17
当前位置: 首页 > 技术文章 >
基于CDP实现微信小程序UI自动化
发布时间:2022-04-14

        CDP是Chrome DevTools Protocol的简称,即Chrome远程调试协议。基于这个协议可以实现对Chrome浏览器或者使用WebView组件的应用进行调试、分析。简而言之,我们可以通过这个协议来操作Chrome或者WebView。CDP的官方文档是https://chromedevtools.github.io/devtools-protocol/。WebView的应用非常广泛,它常被用在原始APP中展示H5页面,微信小程序使用的X5和XWeb内核也是基于WebView实现的。

        在众多Web自动化测试和爬虫解决方案中,基于CDP操作PC Chrome浏览器已经不是什么新鲜事儿了,例如微软的Playwright(https://playwright.dev/python/)库,就是基于CDP来控制Chrome浏览器的。本文主要介绍的是通过CDP来操作安卓设备上WebView/X5/XWeb,特别是微信小程序。老版本微信的使用X5内核作为小程序的UI,新版微信使用XWeb内核作为小程序的UI,前面提到过它们都是基于WebView的,因此也支持CDP。

        CDP采用C/S模式工作,客户端和服务端基于HTTP和WebSoket协议交互。要使用CDP我们需要先开启Chrome浏览器或者WebView/X5/XWeb的CDP服务端。对于Chrome浏览器可以通过指定"--remote-debugging-port=9222"参数来暴露出CDP接口(开启DevTools服务端,监听TCP:9222端口),那么对于安卓上的WebView/X5/XWeb该如何操作才能开启CDP服务端呢?

        操作步骤如下:

        1. 首先要打开安卓设备的USB调试。将设备连接至测试机,并确保"adb devices"能找到设备。为了避免不同品牌真机上操作路径不一致的麻烦,建议使用模拟器来测试。例如MuMu模拟器,启动后执行"adb connect 127.0.0.1:7555",即可建立adb连接。

        2. 启动WebView/X5/XWeb的远程调试。

            (1)  对于使用XWeb内核的新版微信,可以通过在聊天窗口发送并访问“http://debugxweb.qq.com/?inspector=true”链接来启用远程调试。注意:访问这个链接会自动跳转到微信官方首页,没有任何提示。PS:这个方法是在微信开放社区里看到的。

            (2)  对于使用X5内核的老版微信,打开远程调试的方法网上可以找到很多,加之现在的微信已经换用XWeb内核,因此这里不再赘述。

            (3)  对于自己开发的原生APP,要使用WebView的远程调试,需要安卓开发同学在程序中调用"WebView.setWebContentsDebuggingEnabled(true)"来开启。对于线上它厂的APP,一般远程调试是关闭的,可以借助第三方的Hook工具(例如 WebViewDebugHook这个Xposed插件),强制其打开调试开关。

        3. 验证是否成功启动了CDP服务端。

        在这里要插一个知识点unix domain socket(Unix域套接字,下简称UDS)。在Linux系统中套接字家族有两兄弟:老大是大名鼎鼎的TCP/IP套接字,老二叫做Unix域套接字,它主要用于同一机器上不同进程间的通信,用法基本上和TCP/IP的套接字一样,不过它不依赖于IP和端口,而是依赖于文件描述符。在同一台机器上进程间通信UDS要比TCP/IP套接字效率更高,因为它不需要网络协议栈,不需要打包、拆包、计算校验和、维护序号等过程。

        安卓系统的WebView CDP服务端正是使用的UDS,因此我们可以通过检查系统的UDS来判断CDP服务是否启动起来了。

        我们先在安卓系统里启动一个微信小程序,例如58同城。然后在本地机器上执行如下命令(二选一):

# 查看安卓设备的Unix域套接字列表,过滤出含有"devtools_remote"字样的条目
adb shell netstat -lx|grep "devtools_remote"
# 或者执行如下命令也可以
adb shell cat /proc/net/unix |grep -a "devtools_remote"

        如下图所示,显示了多个"devtools_remote"相关的条目,但是具体是哪一个对应当前运行的微信小程序呢?

查看安卓系统的Unix域套接字列表

        我们用"adb shell dumpsys activity top|head"查看一下当前顶层窗口所属的进程ID,如下图所示,pid=1926。因此上图中的“xweb_devtools_remote_1926”是当前运行小程序的WebView启动的CDP服务端对应的Unix域套接字。

adb shell dumpsys activity top结果截图

        如何能在本机访问安卓系统里的这个Unix域套接字呢?需要借助"adb forward"命令把“xweb_devtools_remote_1926”映射为本地的一个TCP端口。完整命令如下:

adb forward tcp:9222 localabstract:xweb_devtools_remote_1926

        然后在本机浏览器里尝试访问"http://127.0.0.1:9222/json",如果能够看到正常的JSON数据(如下图所示),则说明一切就绪。

CDP HTTP JSON接口

        这里如果我们直接点击“devtoolsFrontendUrl”对应的链接,会自动打开Google DevTools工具(如下图所示),这里的操作就和F12打开开发人员工具调试本机浏览器页面一样。注意:如果打开是空白页或者提示404,是因为appspot.com这个域名被Q了,需要FQ才能正常使用。

CDP DevTools调试微信小程序示例

        现在CDP服务端已经就绪了,使用Google DevTools我们也可以直接查看和控制小程序的UI了,但是如何编写自动化脚本呢?下面给出一个完整的Python示例。

        pychrome是github上一个Google Chrome Dev Protocol Client的Python实现。我们下面使用pychrome来连接服务端"http://127.0.0.1:9222/",并操作小程序UI实现多次上划的操作。完整代码如下所示。

# coding: utf-8
# android_webview_automate.py
# 基于CDP自动化操作安卓WebView(包括微信小程序)

import time
import pychrome

def test():
    # 连接CDP Server
    browser = pychrome.Browser(url='http://127.0.0.1:9222')
    
    # 找到可见tab
    tab = None
    for _tab in browser.list_tab():
        if ':VISIBLE' in _tab._kwargs['title']:
            print('找到可见TAB', '"{}".'.format(_tab._kwargs['title']))
            tab = _tab
            # 必须要先调用start(),否则pychrome不允许后续接口调用
            tab.start()
            break
    if not tab:
        print('未发现可见TAB.')
    else:
        # 通过执行js实现获取当前可见窗口大小
        # https://chromedevtools.github.io/devtools-protocol/tot/Runtime/#method-evaluate
        jsresult = tab.Runtime.evaluate(expression="'' + window.screen.availWidth + ',' + window.screen.availHeight")['result']['value']
        print('当前可见窗口大小(宽,高):', jsresult)
        width, height = jsresult.split(',')
        width, height = int(width), int(height)
        # 通过调用CDP的Input.synthesizeScrollGesture()方法模拟向上滑屏操作
        # https://chromedevtools.github.io/devtools-protocol/tot/Input/#method-synthesizeScrollGesture
        # 起始位置:x坐标定为屏幕宽度的一半, y坐标定为屏幕高度的四分之三
        x = int(width * 0.5)
        y = int(height * 0.75)
        # 向上滑动的偏移:xDistance,yDistance为"-height * 0.5",表示上划总屏幕一半的高度(负值表示向上)
        yoffset = int(height * 0.5)
        # 上划10次
        for i in range(10):
            tab.Input.synthesizeScrollGesture(x=x, y=y * 0.75, xDistance=0, yDistance=-yoffset)
            print(i + 1, '上划{}px.'.format(yoffset))
            time.sleep(1)
        
if __name__ == '__main__':
    test()

        运行效果如下GIF所示。本例只是抛砖引玉,CDP的功能非常强大,大家可以结合CDP的文档发掘更多的功能。

Python基于CDP控制微信小程序UI演示视频

特别说明:本文旨在技术交流,请勿将涉及的技术用于非法用途,否则一切后果自负。如果您觉得我们侵犯了您的合法权益,请联系我们予以处理。
☹ Disqus被Qiang了,之前所有的评论内容都看不到了。如果您有爬虫相关技术方面的问题,欢迎发到我们的问答平台:http://spider.site-digger.com/
QQ在线客服
欢迎咨询,点击这里给我发送消息。
欢迎咨询,点击这里给我发送消息。

加微信咨询