怎么使用Python爬取抖音APP视频

2023-06-15 22:06:04 385人浏览薄情痞子

Python 官方文档：入门教程 => 点击学习

摘要

这篇文章主要讲解了“怎么使用python爬取抖音APP视频”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“怎么使用Python爬取抖音APP视频”吧！记录一下如何用python爬取app数据，

这篇文章主要讲解了“怎么使用python爬取抖音APP视频”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“怎么使用Python爬取抖音APP视频”吧！

记录一下如何用python爬取app数据，本文以爬取抖音视频app为例。

编程工具：PyCharm
app抓包工具：mitmproxy
app自动化工具：appium
运行环境：windows10

假设已经配置好我们所需要的工具

使用mitmproxy对手机app抓包获取我们想要的内容
利用appium自动化测试工具，驱动app模拟人的动作(滑动、点击等)
将1和2相结合达到自动化爬虫的效果

一、mitmproxy/mitmdump抓包

确保已经安装好了mitmproxy，并且手机和PC处于同一个局域网下，同时也配置好了mitmproxy的CA证书，网上有很多相关的配置教程，这里我就略过了。

因为mitmproxy不支持windows系统，所以这里用的是它的组件之一mitmdump，它是mitmproxy的命令行接口，可以利用它对接我们的Python脚本，用Python实现监听后的处理。

在配置好mitmproxy之后,在控制台上输入mitmdump并在手机上打开抖音app，mitmdump会呈现手机上的所有请求，如下图：

可以在抖音app一直往下滑，看mitmdump所展示的请求，会发现前缀分别为：

Http://v1-dy.ixigua.com/;http://v3-dy.ixigua.com/;http://v9-dy.ixigua.com/

这3个类型前缀的url正是我们的目标抖音视频url。

那接下来就要编写python脚本将视频下载下来，需要使用 mitmdump -s scripts.py(此处为python文件名)来执行脚本。

import requests # 文件路径 path = 'D:/video/' num = 1788     def response(flow):     global num     # 经测试发现视频url前缀主要是3个     target_urls = ['http://v1-dy.ixigua.com/', 'http://v9-dy.ixigua.com/',                    'http://v3-dy.ixigua.com/']     for url in target_urls:         # 过滤掉不需要的url         if flow.request.url.startswith(url):             # 设置视频名             filename = path + str(num) + '.mp4'             # 使用request获取视频url的内容             # stream=True作用是推迟下载响应体直到访问Response.content属性             res = requests.get(flow.request.url, stream=True)             # 将视频写入文件夹             with open(filename, 'ab') as f:                 f.write(res.content)                 f.flush()                 print(filename + '下载完成')             num += 1

代码写得比较粗糙，不过基本的逻辑还是比较清晰的，这样我们就可以把抖音的视频下载下来，不过这个方法有个缺陷，就是获取视频需要人来不断地滑动抖音的下一个视频，这时候我们可以用一个强大的appium自动化测试工具来解决。

二、Appium对手机进行模拟操作

确保已经配置好appium所依赖的环境Android和SDK，网上也有许多教程，这里我就不说了。

appium的用法很简单，首先我们先打开appium，启动界面如下：

点击Start Server按钮即可启动appium服务。

将Android手机通过数据线与PC相连，同时打开USB调试功能，可以输入adb命令(具体可以去网上查找)测试连接情况，若出现以下结果，则说明连接成功。

model是设备名，后面配置需要用到。之后点击下图箭头所指的按钮就会出现一个配置页面。

在右下角的JSON Representation配置启动app的Desired Capabilities参数，分别是paltfORMName、deviceName、appPackage、appActivity。

platformName:平台名称，一般是Android或iOS.
deviceName:设备名称，手机的具体类型
appPackage:App程序包名
appActivity:入口Activity名，通常以.开头

platformName和deviceName比较容易获得，而appPackage和appActivity这两个可以通过以下方法获取到。

在控制台上输入 adb loGCat>D:\log.log 命令，并且在手机打开抖音app，然后在D盘中打开log.log文件，查找Displayed关键字。

由上图可以知道Displayed后面的 com.ss.android.ugc.aweme对应的是appPackage，.main.MainActivity对应的是appActivity，最后我们的配置结果如下：

{   "platformName": "Android",   "deviceName": "Mi_Note_3",   "appPackage": "com.ss.android.ugc.aweme",   "appActivity": ".main.MainActivity" }

再点击Start Session即可启动Android手机上的抖音app并进入到启动页面，同时PC上会弹出一个调试窗口，从这个窗口可以预览当前手机页面，还可以对手机模拟各种操作，在本文不是重点，所以略过。

在下面我们将使用python脚本来驱动app，直接在pycharm运行即可。

from appium import WEBdriver from time import sleep     class Action():     def __init__(self):         # 初始化配置，设置Desired Capabilities参数         self.desired_caps = {             "platformName": "Android",             "deviceName": "Mi_Note_3",             "appPackage": "com.ss.android.ugc.aweme",             "appActivity": ".main.MainActivity"         }         # 指定Appium Server         self.server = 'http://localhost:4723/wd/hub'         # 新建一个Session         self.driver = webdriver.Remote(self.server, self.desired_caps)         # 设置滑动初始坐标和滑动距离         self.start_x = 500         self.start_y = 1500         self.distance = 1300       def comments(self):         sleep(2)         # app开启之后点击一次屏幕，确保页面的展示         self.driver.tap([(500, 1200)], 500)       def scroll(self):         # 无限滑动         while True:             # 模拟滑动             self.driver.swipe(self.start_x, self.start_y, self.start_x,                                self.start_y-self.distance)             # 设置延时等待             sleep(2)       def main(self):         self.comments()         self.scroll()     if __name__ == '__main__':       action = Action()     action.main()

下面是爬虫的过程。ps:偶尔会爬取到重复的视频。