如何设计一款爬虫Android APP

手机应该算客户端，爬虫一般针对服务器的吧。 我觉得不能，除非手机信息传到了服务器，并开放。

在沙河口等地区，都构建了全面的区域性战略布局，加强发展的系统性、市场前瞻性、产品创新能力，以专注、极致的服务理念，为客户提供成都网站设计、成都做网站 网站设计制作按需定制网站,公司网站建设,企业网站建设,品牌网站建设,成都全网营销,外贸营销网站建设,沙河口网站建设费用合理。

用python写的爬虫将数据传给android怎么实现

初期不需要登录的网站比较简单，掌握http get post和urllib怎么模拟，掌握lxml、BeautifulSoup等parser库就可以了，多用firefox的firebug或者chrome的调试工具看浏览器是怎么发包的。上面都是不需要登录不需要下文件就可以做到的。

4种Python爬虫（4. 手机APP，如，乐刻运动）

目录:

1. PC网页爬虫

2. H5网页爬虫

3. 微信小程序爬虫

4. 手机APP爬虫

爬取乐刻运动手机APP的课表数据。Android和iOS都可以。

要制定具体方案，还是要从抓包分析开始。

如果你在前一章《三、微信小程序爬虫》中已经搭建好了Charles+iPhone的抓包环境，可以直接启动“乐刻APP”再来抓一波。

LefitAppium.py

LefitMitmAddon.py

接下来就是见证奇迹的时刻了！

可以看到左侧的手机已经自动跑起来了！

所有流过的数据都尽在掌握！

这个方案的适应能力非常强，不怕各种反爬虫机制。

但是如果要去爬取淘宝、携程等海量数据时，肯定也是力不从心。

基于WebCollector开发的爬虫能够在android上运行吗

有些人问，开发网络爬虫应该选择Nutch、Crawler4j、WebMagic、scrapy、WebCollector还是其他的？这里按照我的经验随便扯淡一下：

上面说的爬虫，基本可以分3类：

1.分布式爬虫：Nutch

2.JAVA单机爬虫：Crawler4j、WebMagic、WebCollector

3. 非JAVA单机爬虫：scrapy

第一类:分布式爬虫

爬虫使用分布式，主要是解决两个问题：

1)海量URL管理

2)网速

现在比较流行的分布式爬虫，是Apache的Nutch。但是对于大多数用户来说，Nutch是这几类爬虫里，最不好的选择，理由如下：

1)Nutch是为搜索引擎设计的爬虫，大多数用户是需要一个做精准数据爬取（精抽取）的爬虫。Nutch运行的一套流程里，有三分之二是为了搜索引擎而设计的。对精抽取没有太大的意义。也就是说，用Nutch做数据抽取，会浪费很多的时间在不必要的计算上。而且如果你试图通过对Nutch进行二次开发，来使得它适用于精抽取的业务，基本上就要破坏Nutch的框架，把Nutch改的面目全非，有修改Nutch的能力，真的不如自己重新写一个分布式爬虫框架了。

2)Nutch依赖hadoop运行，hadoop本身会消耗很多的时间。如果集群机器数量较少，爬取速度反而不如单机爬虫快。

3)Nutch虽然有一套插件机制，而且作为亮点宣传。可以看到一些开源的Nutch插件，提供精抽取的功能。但是开发过Nutch插件的人都知道，Nutch的插件系统有多蹩脚。利用反射的机制来加载和调用插件，使得程序的编写和调试都变得异常困难，更别说在上面开发一套复杂的精抽取系统了。而且Nutch并没有为精抽取提供相应的插件挂载点。Nutch的插件有只有五六个挂载点，而这五六个挂载点都是为了搜索引擎服务的，并没有为精抽取提供挂载点。大多数Nutch的精抽取插件，都是挂载在“页面解析”(parser)这个挂载点的，这个挂载点其实是为了解析链接（为后续爬取提供URL），以及为搜索引擎提供一些易抽取的网页信息(网页的meta信息、text文本)。

4)用Nutch进行爬虫的二次开发，爬虫的编写和调试所需的时间，往往是单机爬虫所需的十倍时间不止。了解Nutch源码的学习成本很高，何况是要让一个团队的人都读懂Nutch源码。调试过程中会出现除程序本身之外的各种问题(hadoop的问题、hbase的问题)。

5)很多人说Nutch2有gora，可以持久化数据到avro文件、hbase、mysql等。很多人其实理解错了，这里说的持久化数据，是指将URL信息（URL管理所需要的数据）存放到avro、hbase、mysql。并不是你要抽取的结构化数据。其实对大多数人来说，URL信息存在哪里无所谓。

6)Nutch2的版本目前并不适合开发。官方现在稳定的Nutch版本是nutch2.2.1，但是这个版本绑定了gora-0.3。如果想用hbase配合nutch（大多数人用nutch2就是为了用hbase)，只能使用0.90版本左右的hbase，相应的就要将hadoop版本降到hadoop 0.2左右。而且nutch2的官方教程比较有误导作用，Nutch2的教程有两个，分别是Nutch1.x和Nutch2.x，这个Nutch2.x官网上写的是可以支持到hbase 0.94。但是实际上，这个Nutch2.x的意思是Nutch2.3之前、Nutch2.2.1之后的一个版本，这个版本在官方的SVN中不断更新。而且非常不稳定（一直在修改）。

所以，如果你不是要做搜索引擎，尽量不要选择Nutch作为爬虫。有些团队就喜欢跟风，非要选择Nutch来开发精抽取的爬虫，其实是冲着Nutch的名气（Nutch作者是Doug Cutting），当然最后的结果往往是项目延期完成。

如果你是要做搜索引擎，Nutch1.x是一个非常好的选择。Nutch1.x和solr或者es配合，就可以构成一套非常强大的搜索引擎了。如果非要用Nutch2的话，建议等到Nutch2.3发布再看。目前的Nutch2是一个非常不稳定的版本。

android怎么解析html

通过网页解析得到自己想要的数据，也就是一个简单的爬虫。将使用第三方库jsoup实现，通过第三方库，能够快速方便的解析html。在开始之前，需要具备以下能力：

首先，需要对网页编程有一点了解，知道一个页面的结构，标签的含义，知道html网页其实是一种xml格式的文件。如果对这些都了解的话，就可以很方便的进行网页解析了，如果不太熟悉，建议先了解一下网页编程。

然后，在使用第三方库之前，最好是先看一下官方文档：Jsoup官方文档，Jsoup文档中文版。

创造 | 一个强大的 Android 自动化打包脚本

该脚本是我在独立开发过程中，为了提升 Android 应用打包和运营的效率而开发的脚本。项目地址是，

如项目中的语言构成展示的，该脚本完全使用 Python 语言开发完成。

使用起来非常简单，首先你要准备如下的环境，

然后，通过编辑配置文件 config.yml 对脚本进行配置。比如，

YAML 格式也不算新颖，早在几年之前的 SpringBoot 里面就已经采用了这种格式。相比于使用 json 或者 properties 等格式的配置文件，它更加简洁。

1、使用 gradle 指令自动打包，区分 32 位和 64 位 ：因为现在有些应用市场明确要求区分 32 位和 64 位，所以，打包的时候要分开进行打包。

2、打包完成之后将 APK 拷贝到指定的目录 ：主要用来做本地的 APK 文件备份，后面也会用这里拷贝的 APK 文件进行自动化加固。

3、使用 diffuse 输出相对于上一个版本的 APK 版本差异报告 ：diffuse 是 JakeWharton 开发的 APK, AAB, AAR 和 JAR 的对比工具。这里我用它对比当前版本和上一个版本的 APK 的信息，以实现对 APK 质量的监控。diffuse 项目的地址是

3、拷贝多语言资源到指定的目录，并自动提交到 Github 仓库以便于协助翻译 ：对做国际化的应用的开发者而言，我们可以通过应用内的协助翻译功能借助社区的力量实现应用的多语言。这里我尽量将这个过程做得更加自动化。即在应用打包完成之后将应用内的多语言资源按照版本信息拷贝到指定的目录下。然后使用 Git 工具将其推送到 Github 等。具体的效果可以参考 .

4、自动打 tag 并提交到远程仓库 ：该功能用来在打包完成之后使用为当前版本添加 Git tag，以便于后续根据版本回滚到指定的 Git 提交记录。

5、根据 Git 提交记录自动生成更新日志 ：上面做了为项目自动添加 Git tag 的功能之后，我们可以根据当前版本到上一版本之间的 Git 提交记录的 comment 信息自动生成版本更新日志。虽然，这个这样生成的更新日志并不能直接用作发布时的更新记录，但在至少可以让我们直观得看到这个版本修改了什么。

6、使用 360 加固 对上述 APK 进行加固并输出到指定的目录 ：加固操作其实非常简单，只需要一个 command 指令就可以完成了，

不过在使用上述命令之前需要先通过 GUI 的形式修改你在 360 加固中的渠道和签名信息（直接手动改文件也可以）。

7、上传打包 APK 到蓝奏云 ：蓝奏云是现在很多开发者用来分享软件的一个云存储平台，100M 以下的文件可以免费存储，类似于百度云。上传蓝奏云之前需要先修改配置文件，

这里需要填入的 ylogin 和 phpdisk_info 可以在登录之后通过 Chrome 的开发工具查看 cookie 信息得到。目前能够做到自动化的一个方案就是使用上述两个信息。

8、通过 Telegram bot 将打包完成的渠道包和更新日志信息发送到 Telegram 群组 ：对海外的用户我们可以通过 Telegram 作为一个交流的渠道。Telegram 是一个非常好用的聊天软件。它提供了 bot 功能，即一个可以推送消息的机器人。我们可以通过这个功能来在群组中推送消息、图片和文件。Telegram 的 bot 有非常强大的自定义性。其实我们完全可以基于爬虫和 bot 维护一个社区，然后通过在社区内推送广告来获得一些利益。这也不失为一个赚钱的渠道。使用 Telegram bot 之前需要在配置文件中填入如下信息，

这里的 token 是注册 bot 的时候得到的信息。chat_id 可以通过如下方式获取到：

即将 token 信息填入到上述 YourBOTToken 处。在返回的 json 结果中可以获取到 chat id 信息。

向群组推送信息的方式非常简单，一个 http 请求即可完成，

更多的协议可以参考这个文档：

9、完成上述操作之后使用邮件通知打包结果 ：最后就是在完成了最终的打包操作之后通过 Email 发送一封邮件，内部包含了本次打包的 diff 信息等给指定的用户。使用邮件功能需要在配置文件中填写，

这里我们使用的是 QQ 邮箱来发送邮件。这里需要填写的 user 和 password 字段分别是邮箱和开通 smtp 服务时系统提供的密码信息。QQ 邮箱开通 SMTP 服务器其 官方文档 即可。

上述是该打包脚本的主要功能。后续我会添加更多功能。因为时间有限，有些功能需要修改一下才能使用。不过，许多功能我都封装成了独立的 Python 脚本，如果需要的话可以自己做细微的修改。对于这个脚本，如果你有更好的建议和想法，可以跟我交流~

分享题目：android爬虫,android爬虫动态
文章路径：http://kswjz.com/article/dsdgohh.html