iT邦幫忙

第 12 屆 iThome 鐵人賽

DAY 11
2
AI & Data

行銷廣告、電商小編的武器,FB & IG 爬蟲專案從零開始系列 第 11

【Day11】舉一反三,帶你了解IG爬蟲不可忽略的細節

學習,從複製開始

/images/emoticon/emoticon19.gif 筆者有話先說

有了 Facebook 爬蟲的經驗後,我相信這篇大家是有能力獨自完成的,建議大家先用自己的方式來完成今日目標,這篇文章適合實作遇到問題或是你實作完成後再來參考


/images/emoticon/emoticon12.gif 今日目標

1. 完成 IG 自動登入

1.1 分析 IG 登入頁面的元件
1.2 改用 css 抓取元件,完成 IG 自動登入

2. 從畫面判斷使用者是否登入成功

3. 前往 IG 帳號並取得追蹤人數

3.1 了解響應式網頁對爬蟲的影響
3.2 設定瀏覽器開啟時的視窗大小
3.3 完成前往 IG 帳號並取得追蹤人數的程式


1. IG 自動登入

1.1 分析 IG 登入頁面的元件

  • 我在反覆使用 IG 登入 時發現登入的畫面偶爾會長不一樣(如下圖)導致Xpath路徑錯誤

    版本1 版本2

    Imgur|Imgur

  • 進入開發者模式確認紅框內元件的特徵
    Imgur

    • 在下圖我們觀察到 電話號碼、用戶名稱或電子郵件 以及 密碼 這兩個元件的 共通點
      1. 都是 input 的 html 標籤
      2. name 這個 attribute 來表示他們的作用
        https://ithelp.ithome.com.tw/upload/images/20200925/20103256AA6M861Vna.png
        https://ithelp.ithome.com.tw/upload/images/20200925/20103256PBCmKI1QPX.png
    • 登入按鈕 則用以下條件來取出:
      1. 使用 button 的 html 標籤
      2. type 這個 attribute 來表示他要執行的動作
        https://ithelp.ithome.com.tw/upload/images/20200925/20103256UF5JnsOaKI.png

1.2 改用 css 抓取元件,完成 IG 自動登入

  • 根據上面的分析後我們改用 css 抓取 IG 登入的元件來操作
    //填入ig登入資訊
    let ig_username_ele = await driver.wait(until.elementLocated(By.css("input[name='username']")));
    ig_username_ele.sendKeys(ig_username)
    let ig_password_ele = await driver.wait(until.elementLocated(By.css("input[name='password']")));
    ig_password_ele.sendKeys(ig_userpass)
    
    //抓到登入按鈕然後點擊
    const login_elem = await driver.wait(until.elementLocated(By.css("button[type='submit']")))
    login_elem.click()
    
    • 別忘記在 .env檔填寫 IG登入的帳號密碼
      #填寫自己登入IG的真實資訊(建議開小帳號來實驗,因為帳號使用太頻繁會被官方鎖住)
      IG_USERNAME='ig username'
      IG_PASSWORD='ig password'
      

2. 判斷使用者是否登入成功

  • 與 FB 類似,IG 要登入之後才會有右上角功能列,這裡我使用他作為判斷登入與否
    https://ithelp.ithome.com.tw/upload/images/20200925/20103256aW6cYJ4hbw.png
    //登入後才會有右上角功能列,我們以這個來判斷是否登入
    await driver.wait(until.elementLocated(By.xpath(`//*[@id="react-root"]//*[contains(@class,"_47KiJ")]`)))
    

3. 抓出 IG 追蹤人數

3.1 了解響應式網頁對爬蟲的影響

  • 響應式網頁設計(RWD)是什麼?:網頁會根據瀏覽器解析度的不同重新排版,同一個網頁你在手機、平板、電腦看到的畫面配置都是不一樣的
  • 如果你跟我一樣充滿實驗精神,你會發現 IG 的頁面會隨著螢幕寬度更改而重新排版,Xpath 的路徑也會跟著改變
    • 寬螢幕 Xpath
      Imgur
      //*[@id="react-root"]/section/main/div/header/section/ul/li[2]/a/span
      
    • 窄螢幕 Xpath
      Imgur
      //*[@id="react-root"]/section/main/div/ul/li[2]/a/span
      

3.2 設定瀏覽器開啟時的視窗大小

  • 為了避免因為螢幕寬度不一樣造成 Xpath 不同,所以我們要設定瀏覽器開啟時的視窗大小(本專案以寬螢幕作為範例),這樣才能保證你的爬蟲在不同電腦有一樣的執行結果
    // 建立browser的類型
    let driver = await new webdriver.Builder().forBrowser("chrome").withCapabilities(options).build();
    //考慮到ig在不同螢幕寬度時的Xpath不一樣,所以我們要在這裡設定統一的視窗大小
    await driver.manage().window().setRect({ width: 1280, height: 800, x: 0, y: 0 });
    

3.3 完成前往 IG 帳號並取得追蹤人數的程式

  • 在固定螢幕寬度後,使用 Xpath 就能穩定的抓出帳號追蹤人數
    //登入成功後要前往粉專頁面
    const fanpage = "https://www.instagram.com/baobaonevertell/"
    await driver.get(fanpage)
    await driver.sleep(3000)
    
    let ig_trace = 0;//這是紀錄IG追蹤人數
    const ig_trace_xpath = `//*[@id="react-root"]/section/main/div/header/section/ul/li[2]/a/span`
    const ig_trace_ele = await driver.wait(until.elementLocated(By.xpath(ig_trace_xpath)))
    // ig因為當人數破萬時文字不會顯示,所以改抓title
    ig_trace = await ig_trace_ele.getAttribute('title')
    console.log(`追蹤人數:${ig_trace}`)
    driver.quit();
    

/images/emoticon/emoticon07.gif執行程式

  1. 在專案資料夾的終端機(Terminal)執行指令
    yarn start
    
  2. 你會看到 Instagram 自動登入 → 跳轉到指定帳號 → 關閉
  3. 確認輸出正確的粉專追蹤人數你就成功嚕~
    https://ithelp.ithome.com.tw/upload/images/20200928/201032568p82XbYYLa.png

到目前為止我們已經可以抓出 FB & IG 粉專的追蹤人數了,充滿好奇心的讀者可以先試著看看利用爬蟲爬完 FB 粉專後繼續爬 IG


ℹ️ 專案原始碼

  • 今天的完整程式碼可以在這裡找到喔
  • 我也貼心地把昨天的把昨天FB爬蟲的程式碼打包成壓縮檔,你可以用裡面乾淨的環境來實作今天的功能喔
    • 請記得在終端機下指令 yarn 才會把之前的套件安裝
    • windows需下載與你chrome版本相同的chrome driver放在專案根目錄
    • 調整你.env檔填上IG登入資訊

/images/emoticon/emoticon41.gif 參考資源

  1. Filling in login forms in Instagram using selenium and webdriver (chrome) python OSX

免責聲明:文章技術僅抓取公開數據作爲研究,任何組織和個人不得以此技術盜取他人智慧財產、造成網站損害,否則一切后果由該組織或個人承擔。作者不承擔任何法律及連帶責任!


我在 Medium 平台 也分享了許多技術文章
❝ 主題涵蓋「MIS & DEVOPS資料庫前端後端MICROSFT 365GOOGLE 雲端應用個人研究」希望可以幫助遇到相同問題、想自我成長的人。❞

https://ithelp.ithome.com.tw/upload/images/20210720/20103256fSYXlTEtRN.jpg
在許多人的幫助下,本系列文章已出版成書,並添加了新的篇章與細節補充:

  • 加入更多實務經驗,用完整的開發流程讓讀者了解專案每個階段要注意的事項
  • 將爬蟲的步驟與技巧做更詳細的說明,讓讀者可以輕鬆入門
  • 調整專案架構
    • 優化爬蟲程式,以更廣的視角來擷取網頁資訊
    • 增加資料驗證、錯誤通知等功能,讓爬蟲執行遇到問題時可以第一時間通知使用者
    • 排程部分改用 node-schedule & pm2 的組合,讓讀者可以輕鬆管理專案程序並獲得更精確的 log 資訊

有興趣的朋友可以到天瓏書局選購,感謝大家的支持。
購書連結https://www.tenlong.com.tw/products/9789864348008


上一篇
【Day10】關閉干擾爬蟲的彈窗,將FB粉專追蹤數納入囊中
下一篇
【Day12】合體吧!用一隻程式搞定FB、IG爬蟲
系列文
行銷廣告、電商小編的武器,FB & IG 爬蟲專案從零開始30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言