Python自动化测试实战：用uiautomator2和weditor编写一个抖音自动点赞脚本

移动互联网时代，短视频平台如抖音已成为人们日常娱乐的重要载体。作为开发者或测试工程师，掌握移动端自动化测试技术不仅能提升工作效率，还能探索更多创新应用场景。本文将带你从零开始，使用Python生态中的uiautomator2和weditor工具，构建一个能模拟真实用户行为的抖音自动点赞脚本。

1. 环境准备与工具链搭建

1.1 基础环境配置

在开始编写自动化脚本前，需要确保开发环境满足以下要求：

• 硬件设备：Android手机（系统版本4.4+）或模拟器
• 开发环境：Python 3.6+（推荐3.8.2+）
• 网络环境：手机与电脑处于同一局域网

安装核心工具包（建议使用虚拟环境）：

bash复制pip install uiautomator2 weditor==0.6.4

注意：weditor 0.6.5+版本可能存在编码问题，推荐固定安装0.6.4版本

1.2 设备连接与初始化

通过USB连接设备后，执行初始化命令：

python复制import uiautomator2 as u2

# 自动检测设备
d = u2.connect()
print(d.info)

若需WiFi连接，需先通过USB初始化atx-agent服务：

bash复制adb devices
uiautomator2 init

成功连接后，设备信息示例如下：

2. 抖音UI结构解析与元素定位

2.1 使用weditor分析界面元素

启动weditor可视化工具：

bash复制weditor

在浏览器中连接设备后，重点分析以下抖音核心元素：

1. 视频播放区域：通常为最大矩形区域
2. 点赞按钮：资源ID通常包含like或aweme
3. 评论区入口：位于右下角图标
4. 滑动区域：可滚动的视频列表容器

典型抖音点赞按钮特征：

python复制{
    "resourceId": "com.ss.android.ugc.aweme:id/b1c",
    "text": "",
    "className": "android.widget.ImageView",
    "package": "com.ss.android.ugc.aweme"
}

2.2 动态元素处理策略

抖音采用动态加载技术，需要特殊处理：

• 等待元素出现：设置合理超时时间
• 相对定位：基于已知元素定位相邻控件
• 图像识别：备用方案应对元素属性变化

python复制def wait_like_button(timeout=10):
    btn = d(resourceId="com.ss.android.ugc.aweme:id/b1c")
    return btn.wait(timeout=timeout)

3. 核心自动化逻辑实现

3.1 自动点赞功能模块

完整点赞操作流程：

1. 启动抖音APP
2. 等待视频加载完成
3. 定位点赞按钮
4. 执行点击操作
5. 记录操作结果

代码实现：

python复制def auto_like_video():
    # 启动抖音
    d.app_start("com.ss.android.ugc.aweme")
    
    try:
        # 等待界面稳定
        d(resourceId="com.ss.android.ugc.aweme:id/root_view").wait(8)
        
        # 定位点赞按钮
        like_btn = d(resourceId="com.ss.android.ugc.aweme:id/b1c")
        if like_btn.exists:
            # 获取按钮状态
            is_liked = "like_selected" in like_btn.info.get("resourceName", "")
            
            if not is_liked:
                like_btn.click()
                print("点赞成功")
                return True
            else:
                print("已点赞")
                return False
    except Exception as e:
        print(f"操作失败: {str(e)}")
        return False

3.2 智能滑动与视频切换

实现自然浏览行为的滑动逻辑：

python复制import random
import time

def smart_swipe():
    # 获取屏幕尺寸
    width, height = d.window_size()
    
    # 计算滑动参数
    start_x = width * 0.5
    start_y = height * 0.8
    end_y = height * 0.2
    
    # 随机化滑动参数
    duration = random.uniform(0.2, 0.5)
    steps = random.randint(20, 30)
    
    # 执行滑动
    d.swipe(start_x, start_y, start_x, end_y, duration=duration, steps=steps)
    
    # 随机等待
    time.sleep(random.uniform(1.5, 3.0))

3.3 完整工作流整合

将各模块组合成完整自动化流程：

python复制def run_auto_like(cycle=50):
    success_count = 0
    
    for i in range(cycle):
        print(f"开始第{i+1}次操作")
        
        # 执行点赞
        if auto_like_video():
            success_count += 1
        
        # 滑动到下一视频
        smart_swipe()
        
        # 随机间隔
        time.sleep(random.uniform(2, 4))
    
    print(f"任务完成，成功点赞{success_count}次")

4. 高级优化与异常处理

4.1 性能优化技巧

提升脚本执行效率的关键方法：

• 元素缓存：复用已定位的元素对象
• 并行检测：同时监控多个可能的选择器
• 智能等待：动态调整超时时间

优化后的元素定位方案：

python复制def smart_locate(element_type):
    selectors = [
        {"resourceId": "com.ss.android.ugc.aweme:id/b1c"},
        {"className": "ImageView", "description": "点赞"},
        {"xpath": "//*[contains(@resource-id, 'like')]"}
    ]
    
    for selector in selectors:
        el = d(**selector)
        if el.exists:
            return el
    return None

4.2 常见异常与应对策略

典型异常场景处理方案：

健壮性增强代码示例：

python复制from retrying import retry

@retry(stop_max_attempt_number=3, wait_fixed=2000)
def robust_click(element):
    if element.exists:
        element.click()
        return True
    raise Exception("元素不存在")

4.3 自动化行为模拟策略

使自动化行为更接近真人操作：

1. 随机化操作间隔：避免固定时间间隔
2. 操作轨迹模拟：非直线点击路径
3. 设备姿态变化：偶尔触发旋转事件
4. 操作多样性：随机穿插其他交互

python复制def human_like_click(x, y):
    # 生成随机移动轨迹
    points = generate_curve(start=(x, y), end=(x, y), n_points=5)
    
    # 模拟真实触摸轨迹
    for point in points:
        d.touch.down(*point)
        time.sleep(random.uniform(0.01, 0.05))
    
    # 最后执行点击
    d.click(x, y)

5. 工程化扩展与实践建议

5.1 数据统计与可视化

添加操作记录功能：

python复制import csv
from datetime import datetime

class DataLogger:
    def __init__(self):
        self.filename = f"log_{datetime.now().strftime('%Y%m%d')}.csv"
        
    def record(self, action, success):
        with open(self.filename, 'a', newline='') as f:
            writer = csv.writer(f)
            writer.writerow([
                datetime.now().isoformat(),
                action,
                '成功' if success else '失败'
            ])

5.2 定时任务与自动化部署

使用APScheduler实现定时执行：

python复制from apscheduler.schedulers.blocking import BlockingScheduler

def job():
    run_auto_like(cycle=30)

scheduler = BlockingScheduler()
scheduler.add_job(job, 'interval', hours=2)
scheduler.start()

5.3 合规使用建议

在实际项目中应注意：

• 控制操作频率，避免对平台造成负担
• 仅用于测试目的，不进行大规模自动化操作
• 关注平台规则变化，及时调整脚本策略
• 优先使用官方提供的测试接口

python复制def safe_operation():
    # 获取当前时间
    current_hour = datetime.now().hour
    
    # 避开高峰时段
    if 9 <= current_hour <= 23:
        print("非推荐操作时段")
        return False
    return True