4种Python爬虫（4. 手机APP，如，乐刻运动）

Posted 2023-04-08

参考技术A

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。

乐刻大数据平台架构实践

乐刻运动大数据是基于hadoop体系搭建的，主要满足运营的日常报表，以及公司核心指标为主。随着2016年线上线下的发力，以智能化健身为主的共享经济的提出，数据需求量大幅的激增，数据从最初的GB级到现在的PB级急增，我们开始反思如何支撑未来的可预见性数据需求。

早期ETL技术报表平台

乐刻大数据部门在早期，面对比较零散的统计需求，直接将业务数据配置脚本定时导入elasticsearch做一些复杂的统计查询，2016年底，随着运营数据需求的增加，希望查阅数据的人员增多，不同人员不同维度的查询需求，我们专门得抽出一个人来对接运营统计的需求，另外在技术上已经很难满足当前的统计需求。

因此，考虑到运营数据需求、公司核心指标需求相对固定，并且维度相对固定，我们搭建了早期的报表系统：

					图1 乐刻运动数据平台报表系统

早期的报表系统，由数据开发工程师提交数据任务，通过配置Oozie定时任务，定时的基于Hive数据做ETL过程，将报表系统所需的数据导入elasticsearch。该系统从接收需求到报表系统里看到数据，需要比较长的一段时间过程，涵盖过程如下:

• 运营提出数据需求
• 将数据从hdfs使用hive处理数据结果
• 定期的运营数据，会每天展示到数据可视化平台，临时数据直接导出结果

可以看出提供的查询维度较单一，对接流程较复杂，角色间传递信息较多，前后依赖太强，都是制约报表系统快速产出数据的根本问题。我们自研的数据可视化平台DMS，通过web方式按照多个维度查询所需的数据，但对于非订制化需求、数据探索需求、数据分析需求支持的力度并不好。我们开始规划更好的数据分析平台服务。

---

乐刻数据平台2.0诞生

乐刻数据平台2.0我们对整个系统进行了一次大的调整，从数据采集，数据加工，数据存储，以及加入了脏数据预警功能，可视化平台方面提供更多定制化查询需求，运营可以自定义设置查询维度等。数据访问层我们提供基于SQL的快速查询功能，方便产品和需要使用数据的开发人员进行数据查询。

乐刻数据平台流式数据处理与计算

乐刻是一家智能化健身平台，意味着我们线下门店每天从各个设备产生的数据量是相当大的量，我们需要收集所有硬件设备的使用情况，监控每台设备运行情况，实时反馈到数据监控中心，乐刻线下硬件数据上报是通过阿里云ONS设计的具体如下：

1. 用户通过APP发送使用硬件设备请求并且上报数据到ONS
2. spark streaming实时消费产生的数据
3. 通过数据模型产生结果数据
4. 数据实时展示到监控中心

对于流式数据产生的结果，我们也会进行一些数据挖掘，用户画像相关的处理流程，通过索引elasticsearch提供一些多维度的查询服务。

乐刻数据平台数据存储与备份

由于我们的整个平台是基于阿里云打造的，所以自然而然我们使用到了很多阿里云的服务，比如数据存储服务OSS，RDS等，对于数据处理后的备份和处理如下：

• 原始数据备份存储到OSS和HDFS
• 数据加载可以选择本地机器或者从OSS导入数据
• 对于一些列式数据的存储如hbase，会定期同步到hbase，阿里云oss提供备份和还原数据

乐刻数据平台的整体架构和处理流程

关注“聊点源码”公众号获取更多资讯​

​