闲鱼数据采集终极指南:5分钟快速上手安卓自动化爬虫
想要轻松采集闲鱼平台的商品数据?这款基于uiautomator2的闲鱼APP数据爬虫工具,能够帮助你在5分钟内实现自动化数据采集,无需复杂配置即可获得包含标题、价格、图片的完整Excel报表。
🚀 项目核心优势
这款闲鱼数据采集工具具备三大核心优势,让你在数据采集过程中事半功倍:
一键式自动化操作 - 只需设置关键词和滑动次数,程序自动完成搜索、滑动、数据提取全流程
智能反爬虫策略 - 内置随机延迟机制和滑动动作模拟,有效降低被平台检测的风险
可视化数据输出 - 采集结果自动导出为Excel格式,商品图片直接嵌入表格,便于后续分析使用
📋 环境配置与设备连接
基础环境搭建
首先确保你的电脑已安装Python 3.6及以上版本,然后执行以下步骤:
# 克隆项目代码
git clone https://gitcode.com/gh_mirrors/xia/xianyu_spider
# 进入项目目录
cd xianyu_spider
# 安装项目依赖
pip install -r requirements.txt
安卓设备连接配置
连接安卓设备是整个流程的关键步骤:
- 开启开发者选项 - 在手机设置中连续点击"版本号"7次
- 启用USB调试 - 在开发者选项中打开USB调试功能
- 验证设备连接 - 运行
adb devices命令确认设备识别成功
设备连接验证
🔧 快速启动采集任务
修改设备配置
打开项目中的xianyu.py文件,找到设备连接代码:
d = u2.connect("SNU0220A15007866") # 替换为你的设备ID
设置采集参数
在文件末尾的main函数中,你可以自定义采集参数:
keyword = '餐饮券' # 搜索关键词
max_page = 5 # 滑动加载次数
启动数据采集
在命令行中运行以下命令开始采集:
python xianyu.py
首次运行时,系统会在你的手机上自动安装一个小黄车辅助应用,这是正常现象,请允许安装。
🛠️ 高级功能与调试技巧
使用WEditor调试界面元素
如果需要采集更多商品信息或遇到界面变化,可以使用WEditor工具进行调试:
# 安装调试工具
pip install weditor
# 启动界面调试
weditor
界面调试工具
自定义数据字段
通过WEditor获取界面元素的resourceId后,可以修改get_list_data()函数来采集更多信息:
def get_list_data():
result = []
TimeUtil.random_sleep()
view_list = d.xpath('//android.widget.ScrollView//android.view.View').all()
for el in view_list:
# 提取商品标题、价格等信息
# 可在此处添加更多字段的提取逻辑
📊 采集结果展示
程序运行完成后,会在项目目录下生成以当前日期命名的Excel文件,例如"2023-11-22结果.xlsx",包含以下完整信息:
- 商品标题 - 完整的商品描述信息
- 价格数据 - 精确的商品价格数值
- 商品图片 - 自动截取并嵌入表格的商品截图
采集结果示例
🚨 常见问题解决方案
设备连接失败处理
当出现"device显示unauthorized"错误时,按以下步骤解决:
- 手机端撤销USB调试授权
- 电脑端重启ADB服务:
adb kill-server
adb start-server
ATX Agent启动问题
如果遇到"atxagent 下次必须通过adb启动"提示,执行以下命令:
adb shell
chmod 775 /data/local/tmp/atx-agent
/data/local/tmp/atx-agent server -d
⚠️ 重要免责声明
本工具仅限于技术学习和研究目的,严禁将采集数据用于任何商业用途或违法行为。使用者需自行承担因使用本工具而产生的所有法律责任,作者不承担任何相关法律风险。
通过本指南,你已经掌握了闲鱼数据采集工具的核心使用方法。现在就可以开始你的数据采集之旅,探索闲鱼平台的丰富商品信息。记得合理使用工具,遵守平台规则,享受技术带来的便利!
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00