Question

我想抓取Google Play商店下载所有Android应用程序的网页（所有网页都包含以下基本网址：https://play.google.com/store/apps/）。我检查了Play商店的robots.txt文件，但不允许抓取这些网址。

此外，当我浏览Google Play商店时，我只能看到每个类别最多3页的热门应用程序。我怎样才能获得其他应用程序页面？

如果有人尝试抓取Google Play，请告诉我以下事项： a）你是否成功地抓住了游戏商店。如果是，请告诉我你是怎么做到的。 b）如何抓取每个类别的顶级应用程序中不可见的隐藏应用程序页面？ c）是否有技术可以下载应用程序，而不仅仅是网页？

我已经四处寻找并找到以下链接：

a) https://code.google.com/p/android-market-api/ 
b) https://code.google.com/p/android-marketplace-crawler/source/checkout 
c) http://mohsin-junaid.blogspot.co.uk/2012/12/how-to-install-android-marketplace.html 
d) http://mohsin-junaid.blogspot.in/2012/12/how-to-download-multiple-android-apks.html

谢谢！

Answer 1

首先，Google Play的robots.txt不会禁止带有“/ store / apps”的网页。

如果您想抓取Google Play，则需要开发自己的网络抓取工具，解析HTML网页并提取您需要的应用元数据（例如标题，说明，价格等）。此主题已在此其他question中介绍。有图书馆可以提供帮助，例如：

Java：https://jsoup.org
Python：https://scrapy.org

更难的部分是“找到”要抓取的应用页面。您可以使用1）Google Play Sitemap或2）按照您在Link Extractor文档中解释的每个抓取页面中找到的应用链接（如果您打算使用Scrapy）。

另一个选择是使用基于ProtoBuf的开源库来获取有关应用程序的元数据，这里是项目的链接：https://code.google.com/archive/p/android-market-api。此库代表有效的Google帐户从Google Play获取应用元数据，但在这种情况下，您需要使用抓取工具“查找”可用的应用并安排其元数据检索。这个其他开源项目可以帮助您：https://code.google.com/archive/p/android-marketplace-crawler。

如果您不想自己实现所有这些，则可以使用第三方托管服务通过基于JSON的API访问Android应用元数据。例如，42matters.com（我工作的公司）为Android和iOS提供API以检索应用的元数据，详情请参阅：

https://42matters.com/app-market-data

要获取应用的标题，图标，说明，下载，您可以使用此处记录的“查找”端点：

https://42matters.com/docs/app-market-data/android/apps/lookup

这是“愤怒的小鸟太空高级版”应用程序的JSON响应示例：

{
    "package_name": "com.rovio.angrybirdsspace.premium",
    "title": "Angry Birds Space Premium",
    "description": "Play over 300 interstellar levels across 10 planets...",
    "short_desc": "The #1 mobile game of all time blasts off into space!",
    "rating": 4.3046236038208,
    "category": "Arcade",
    "cat_key": "GAME_ARCADE",
    "cat_keys": [
        "GAME_ARCADE",
        "GAME",
        "FAMILY_EDUCATION",
        "FAMILY"
    ],
    "price": "$1.15",
    "downloads": "1,000,000 - 5,000,000",
    "version": "2.2.1",
    "content_rating": "Everyone",
    "promo_video": "https://www.youtube.com/embed/g6AL9YqRHaI?ps=play&vq=large&rel=0&autohide=1&showinfo=0&autoplay=1",
    "market_update": "2015-07-03T00:00:00+00:00",
    "screenshots": [
        "https://lh3.googleusercontent.com/ZmuBQzIy1G74coPrQ1R7fCeKdJmjTdpJhNrIHBOaFyM0N2EYdUPwZaQjnQUtiUDGmac=h310",
        "https://lh3.googleusercontent.com/Xg2Aq70ZH0SnNhtSKH7xg9jCfisWgmmq3C7xQbx6YMhTVAIRqlRJeH8GYtjxapb_qR4=h310",
        "https://lh3.googleusercontent.com/T4o5-2_UP82sj4fSSegbjrGmslNHlfvtEYuZacXMSOC55-7eyiKySw05lNF1QQGO2FeU=h310",
        "https://lh3.googleusercontent.com/f2ennaLdivFu5cQQaVPKsRcWxB8FS5T4Bkoy3l0iPW9-GDDnTVRhvR5kz6l4m8FL1c8=h310",
        "https://lh3.googleusercontent.com/H-9M03_-O9Df1nHr2-rUdjtk2aeBY3bAxnqSX3m2zh_aV8-K1t0qU1DxLXnK0GrDAw=h310"
    ],
    "created": "2012-03-22T08:24:00+00:00",
    "developer": "Rovio Entertainment Ltd.",
    "number_ratings": 20812,
    "price_currency": "$",
    "icon": "https://lh3.ggpht.com/aQaIEGrmba1ENSEgUtArdm3yhJUug7BRWlu_WaspoJusZyHv1rjlWtYqe_qRjE_Kmh1E=w300",
    "icon_72": "https://lh3.ggpht.com/aQaIEGrmba1ENSEgUtArdm3yhJUug7BRWlu_WaspoJusZyHv1rjlWtYqe_qRjE_Kmh1E=w72",
    "market_url": "https://play.google.com/store/apps/details?id=com.rovio.angrybirdsspace.premium&referrer=utm_source%3D42matters.com%26utm_medium%3Dapi"
}

我希望这会有所帮助，否则请随时与我联系。我非常了解这个话题，可以指出你正确的方向。

此致

安德烈

Answer 2

之前我已经完成了Python的工作，你需要的是一个名为selenium的web自动测试库，它可以执行Javascript代码并将结果返回给Python，使用Javascript，你可以点击＆＃34;显示更多＆＃ 34;按钮由程序本身。当您获得单个类别页面的所有链接时，您可以获得该应用程序的一些信息。简单的演示here。希望对你有所帮助。

Answer 3

Google不会禁止抓取/商店/应用页面。

在robot.txt

中没有提及“/ store / apps”

请参阅https://play.google.com/robots.txt

抓取Google Play商店

3 个答案: