首先,Google Play的
robots.txt不禁止具有“/store/apps”基础的页面。
如果您想爬取Google Play,您需要开发自己的网络爬虫,解析HTML页面并提取所需的应用程序元数据(例如标题、描述、价格等)。这个问题已经在这个
question中涉及。有一些库可以帮助处理,例如:
Java:
https://jsoup.org
Python:
https://scrapy.org
较难的部分是“找到”要爬取的应用程序页面。您可以使用1)
Google Play Sitemap或2)按照
Link Extractor文档中所述,在爬取的每个页面中跟踪发现的应用链接(如果您计划使用Scrapy)。另一个选择是使用基于ProtoBuf的开源库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。该库代表有效的Google帐户从Google Play获取应用元数据,但在这种情况下,您需要一个爬虫来“查找”可用的应用并安排其元数据检索。这个开源项目可以帮助您做到这一点:
https://code.google.com/archive/p/android-marketplace-crawler。
如果您不想自己实现所有这些内容,可以使用第三方托管服务通过基于JSON的API访问Android应用程序元数据。例如,
42matters.com(我所在的公司)提供了一个API,用于检索应用程序的元数据,包括Android和iOS,下面是更多详细信息:
https://42matters.com/app-market-data
为了获取应用的标题、图标、描述和下载量,您可以使用文档中记录的“查找”端点。
https://42matters.com/docs/app-market-data/android/apps/lookup
这是“愤怒的小鸟太空版高级版”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"
}
我希望这可以帮助到您,如果有需要请随时联系我。我对这个主题非常了解,可以指引您走向正确的方向。
敬礼,
安德烈