【Day12】合體吧!用一隻程式搞定FB、IG爬蟲
這篇文章寫於 2020 年,文中的工具與版本可能已經更新,實作時請以官方文件為準。
本文目錄
有些需求不是複製貼上就能解決的
今日目標
1. 分析實作過程中可能會遇到的問題
1.1 瀏覽器關閉導致無法讀取網頁元件
1.2 跨網域(CORS)錯誤
2. 一隻程式爬完 FB & IG 粉專
2.1 分析程式結構邏輯
2.2 思考程式上有什麼地方需要改進
1. 實作過程中可能會遇到的問題
1.1 瀏覽器關閉導致無法讀取網頁元件
如果你直接把兩天文章複製貼上爬的話一定會看到這個錯誤訊息
WebDriverError: element not interactable
- 這是因為一次跳出兩個瀏覽器在執行,只要其中一個瀏覽器完成爬蟲任務觸發 driver.quit() 就會導致另一個還沒爬蟲完畢的瀏覽器因無法讀取元件而掛掉
- 面對這個問題,我建議開一個瀏覽器來處理:
- 因為跑爬蟲會消耗電腦的記憶體以及網路流量,我希望電腦跑爬蟲的時候不要影響我做其他事情的效率
- 使用一個瀏覽器在跑遇到問題時方便除錯
1.2 跨網域(CORS)錯誤
如果你把他改成一個瀏覽器執行,跑完 FB 粉專再跑 IG 粉專應該又會出現跨網域(CORS)問題的錯誤(目前只有 windows 作業系統才會遇到)
-
這是網域切換時因為一些安全性的疑慮而拒絕跳轉,像是從 https://www.facebook.com/ 跳轉到 https://www.instagram.com 就會遇到這個問題
-
這個問題在建立瀏覽器時加上設定
{ acceptSslCerts: true, acceptInsecureCerts: true }即可解決let driver = new webdriver.Builder().forBrowser("chrome").withCapabilities(options, { acceptSslCerts: true, acceptInsecureCerts: true }//這是為了解決跨網域問題 ).build();
2. 一隻程式爬完 FB & IG 粉專
2.1 分析程式結構邏輯
為了幫助讀者能較快掌握程式的邏輯,我根據每個函式所做的功能以及執行步驟列出結構如下:
crawler: 觸發爬蟲的函式-
檢查 Driver 是否是設定
-
建立這個 browser 的類型
-
設定 browser 的視窗大小
-
loginInstagramGetTrace: 登入IG並取得指定帳號的追蹤人數先執行 IG 爬蟲是因為有些人登入 IG 的方式是綁定 FB 帳號,這會導致我們程式需要判斷更多狀況;而讓IG先爬蟲就能避免這個問題嚕~
- 前往 IG 登入頁,填入登入資訊
- 點擊登入按紐
- 判斷是否登入成功
- 登入成功後跳轉指定帳號頁面
- 獲取指定帳號追蹤人數
-
loginFacebookGetTrace: 登入 FB 並取得粉絲專業的追蹤人數- 前往 FB 登入頁,填入登入資訊
- 點擊登入按紐
- 判斷是否登入成功
- 登入成功後跳轉指定粉專頁面
- 獲取指定粉專追蹤人數
-
關閉 browser
-
寫程式如同拼積木,隨著功能的增加程式的體積會越來越大,這裡我建議你寫一份程式架構圖的文件來輔助,未來遇到需求變更時看架構圖就能迅速修改
index.js
require('dotenv').config(); //載入.env環境檔
const path = require('path');//用於處理文件路徑的小工具
const fs = require("fs");//讀取檔案用
//取出.env檔案的FB、IG資訊
const ig_username = process.env.IG_USERNAME
const ig_userpass = process.env.IG_PASSWORD
const fb_username = process.env.FB_USERNAME
const fb_userpass = process.env.FB_PASSWORD
const webdriver = require('selenium-webdriver'), // 加入虛擬網頁套件
By = webdriver.By,//你想要透過什麼方式來抓取元件,通常使用xpath、css
until = webdriver.until;//直到抓到元件才進入下一步(可設定等待時間)
const chrome = require('selenium-webdriver/chrome');
const options = new chrome.Options();
options.setUserPreferences({ 'profile.default_content_setting_values.notifications': 1 });//因為FB會有notifications干擾到爬蟲,所以要先把它關閉
function getCrawlerPath () {
if (process.env.FB_VERSION === 'new') {//如果是新版FB
return {
"fb_head_path": `//*[contains(@class,"fzdkajry")]`,
"fb_trace_path": `//*[contains(@class,"knvmm38d")]`
}
} else {//如果為設定皆默認為舊版
return {
"fb_head_path": `//*[contains(@class,"_1vp5")]`,
"fb_trace_path": `//*[@id="PagesProfileHomeSecondaryColumnPagelet"]//*[contains(@class,"_4bl9")]`
}
}
}
async function loginFacebookGetTrace (driver) {
const web = 'https://www.facebook.com/login';//我們要前往FB
await driver.get(web)//在這裡要用await確保打開完網頁後才能繼續動作
//填入fb登入資訊
const fb_email_ele = await driver.wait(until.elementLocated(By.xpath(`//*[@id="email"]`)));
fb_email_ele.sendKeys(fb_username)
const fb_pass_ele = await driver.wait(until.elementLocated(By.xpath(`//*[@id="pass"]`)));
fb_pass_ele.sendKeys(fb_userpass)
//抓到登入按鈕然後點擊
const login_elem = await driver.wait(until.elementLocated(By.xpath(`//*[@id="loginbutton"]`)))
login_elem.click()
// FB有經典版以及新版的區分,兩者的爬蟲路徑不同,我們藉由函式取得各自的路徑
const { fb_head_path, fb_trace_path } = getCrawlerPath();
//因為登入這件事情要等server回應,你直接跳轉粉絲專頁會導致登入失敗
//用登入後才有的元件,來判斷是否登入
await driver.wait(until.elementLocated(By.xpath(fb_head_path)))
//登入成功後要前往粉專頁面
const fanpage = "https://www.facebook.com/baobaonevertell/"
await driver.get(fanpage)
let fb_trace = 0;//這是紀錄FB追蹤人數
//因為考慮到登入之後每個粉專顯示追蹤人數的位置都不一樣,所以就採用全抓在分析
const fb_trace_eles = await driver.wait(until.elementsLocated(By.xpath(fb_trace_path)))
for (const fb_trace_ele of fb_trace_eles) {
const fb_text = await fb_trace_ele.getText()
if (fb_text.includes('人在追蹤')) {
fb_trace = fb_text
break
}
}
console.log(`FB追蹤人數:${fb_trace}`)
}
async function loginInstagramGetTrace (driver) {
const web = 'https://www.instagram.com/accounts/login';//前往IG登入頁面
await driver.get(web)//在這裡要用await確保打開完網頁後才能繼續動作
//填入ig登入資訊
let ig_username_ele = await driver.wait(until.elementLocated(By.css("input[name='username']")));
ig_username_ele.sendKeys(ig_username)
let ig_password_ele = await driver.wait(until.elementLocated(By.css("input[name='password']")));
ig_password_ele.sendKeys(ig_userpass)
//抓到登入按鈕然後點擊
const login_elem = await driver.wait(until.elementLocated(By.css("button[type='submit']")))
login_elem.click()
//登入後才會有右上角功能列,我們以這個來判斷是否登入
await driver.wait(until.elementLocated(By.xpath(`//*[@id="react-root"]//*[contains(@class,"_47KiJ")]`)))
//登入成功後要前往粉專頁面
const fanpage = "https://www.instagram.com/baobaonevertell/"
await driver.get(fanpage)
let ig_trace = 0;//這是紀錄IG追蹤人數
const ig_trace_xpath = `//*[@id="react-root"]/section/main/div/header/section/ul/li[2]/a/span`
const ig_trace_ele = await driver.wait(until.elementLocated(By.xpath(ig_trace_xpath)))
// ig因為當人數破萬時文字不會顯示,所以改抓title
ig_trace = await ig_trace_ele.getAttribute('title')
console.log(`IG追蹤人數:${ig_trace}`)
}
function checkDriver() {
try {
chrome.getDefaultService()//確認是否有預設
} catch {
console.warn('找不到預設driver!');
//'../chromedriver.exe'記得調整成自己的路徑
const file_path = '../chromedriver.exe'
//請確認印出來日誌中的位置是否與你路徑相同
console.log(path.join(__dirname, file_path));
//確認路徑下chromedriver.exe是否存在
if (fs.existsSync(path.join(__dirname, file_path))) {
//設定driver路徑
const service = new chrome.ServiceBuilder(path.join(__dirname, file_path)).build();
chrome.setDefaultService(service);
console.log('設定driver路徑');
} else {
console.error('無法設定driver路徑');
return false
}
}
return true
}
async function crawler () {
if (!checkDriver()) {// 檢查Driver是否是設定,如果無法設定就結束程式
return
}
// 建立這個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 });
//因為有些人是用FB帳號登入IG,為了避免增加FB登出的動作,所以採取先對IG進行爬蟲
await loginInstagramGetTrace(driver)
await loginFacebookGetTrace(driver)
driver.quit();
}
crawler()
2.2 思考程式上有什麼地方需要改進
看完上面的程式後,我想大部分的人都有點暈了XD,如果你有認真看程式應該有以下體會:
- 閱讀起來有點吃力
- 遇到錯誤時不好找問題
- 很難掌握每個函式的功能
- 幾個月後回來看這隻程式估計一臉茫然
如果還有更多的體會歡迎大家在下方留言(請鞭小力一點QQ)
明天會講程式碼的重構,透過重構我們可以更有效率的掌握程式;後天會講try-catch在本專案的應用,方便日後的除錯
執行程式
-
在專案資料夾的終端機(Terminal)執行指令
yarn start -
觀察執行順序是否為:Instagram自動登入 → 跳轉到指定帳號 → Facebook自動登入 → 跳轉到粉絲頁 → 關閉
如果想要中斷終端機(Terminal)執行的程式,可以用下面按鍵組合:
- Windows: Ctrl + c
- Mac: control + c
-
順利的話就能看到FB & IG的追蹤人數嚕~

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.env檔
- 填上FB登入資訊
- 填上FB版本(classic/new)
- 填上IG登入資訊
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!
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。

留言載入中…