【爬蟲軟體】用python開發的抖音主頁作品批量採集工具,想看誰就爬誰!

来源:https://www.cnblogs.com/ws235/p/18234369
-Advertisement-
Play Games

一、背景介紹 1.1 爬取目標 用python開發了一個抖音爬蟲採集軟體,可自動按博主抓取其已發佈視頻數據。 為什麼有了源碼還開發界面軟體呢?方便不懂編程代碼的小白用戶使用,無需安裝python,無需改代碼,雙擊打開即用! 軟體界面截圖: 爬取結果截圖: 結果截圖1: 結果截圖2: 結果截圖3: 以 ...


一、背景介紹

1.1 爬取目標

用python開發了一個抖音爬蟲採集軟體,可自動按博主抓取其已發佈視頻數據。

為什麼有了源碼還開發界面軟體呢?方便不懂編程代碼的小白用戶使用,無需安裝python,無需改代碼,雙擊打開即用!

軟體界面截圖:軟體運行界面

爬取結果截圖:

結果截圖1:結果截圖1

結果截圖2:結果截圖2

結果截圖3:結果截圖3

以上。

1.2 演示視頻

軟體使用演示:(不懂編程沒關係,瞭解軟體的作用和使用方法就行)
原文1.2章節

1.3 軟體說明

幾點重要說明:軟體說明

以上。

二、代碼講解

2.1 爬蟲採集模塊

首先,定義介面地址作為請求地址:

# 請求地址
url = 'https://www.douyin.com/aweme/v1/web/aweme/post/'

定義一個請求頭,用於偽造瀏覽器:

# 請求頭
h1 = {
	"Accept": "application/json, text/plain, */*",
	"Accept-Encoding": "gzip, deflate",
	"Accept-Language": "zh-CN,zh;q=0.9",
	"Cookie": self.cookie_val,
	"Priority": "u=1, i",
	"Referer": "https://www.douyin.com/user/{}?vid=7325137998331399435".format(user_id),
	"Sec-Ch-Ua": '"Not_A Brand";v="8", "Chromium";v="120", "Google Chrome";v="120"',
	"Sec-Ch-Ua-Mobile": "?0",
	"Sec-Ch-Ua-Platform": "macOS",
	"Sec-Fetch-Dest": "empty",
	"Sec-Fetch-Mode": "cors",
	"Sec-Fetch-Site": "same-origin",
	"User-Agent": ua,
}

說明一下,cookie是個關鍵參數。

其中,cookie的獲取方法,如下:cookie獲取方法

這個值非常重要,軟體界面需要填寫!!

加上請求參數,告訴程式你的爬取條件是什麼:

# 請求參數
params = {
	"device_platform": "webapp",
	"aid": "6383",
	"channel": "channel_pc_web",
	"sec_user_id": user_id,
	"max_cursor": max_cursor,
	"locate_item_id": "7325137998331399435",
	"locate_query": "false",
	"show_live_replay_strategy": "1",
	"need_time_list": "0",
	"time_list_query": "0",
	"whale_cut_token": "",
	"cut_version": "1",
	"count": 10,
	"publish_video_strategy_type": "2",
	"pc_client_type": "1",
	"version_code": "170400",
	"version_name": "17.4.0",
	"cookie_enabled": "true",
	"screen_width": "1440",
	"screen_height": "900", "browser_language": "zh-CN",
	"browser_platform": "MacIntel",
	"browser_name": "Chrome",
	"browser_version": "120.0.0.0",
	"browser_online": "true",
	"engine_name": "Blink",
	"engine_version": "120.0.0.0",
	"os_name": "Mac OS",
	"os_version": "10.15.7",
	"cpu_core_num": "4",
	"device_memory": "8",
	"platform": "PC",
	"downlink": "1.35",
	"effective_type": "3g",
	"round_trip_time": "550",
	"webid": "7312681406147921448",
	"msToken": "Bjgl7yWKL7c57PFiwM6V4UWZ54Lm_eh4gjFdyOkX4xV93SpMHyyPMdO1u9j_OvsvgjtNNQFhaK9rWs2G8o7had3VtbDQuuaA41G3yFif70ssE_5ZnqQ6rg",
}

下麵就是發送請求和接收數據:

# 發送請求
r = requests.get(url, headers=h1, params=params)
print(r.status_code)
# 以json格式接收返回數據
json_data = r.json()

定義一些空列表,用於存放解析後欄位數據:

# 定義空列表
title_list = []  # 視頻標題
tag_list = []  # 視頻標簽
link_list = []  # 視頻鏈接
author_name_list = []  # 作者昵稱
uid_list = []  # uid
sec_uid_list = []  # sec_uid
author_link_list = []  # 作者鏈接
follower_count_list = []  # 作者粉絲數
create_time_list = []  # 發佈時間
is_top_list = []  # 是否置頂
like_count_list = []  # 點贊數
comment_count_list = []  # 評論數
collect_count_list = []  # 收藏數
share_count_list = []  # 轉發數

迴圈解析欄位數據,以"視頻標題"為例:

for v in video_list:
	# 視頻標題
	title = v['desc']
	self.tk_show('視頻標題:' + title)
	title_list.append(title)

其他欄位同理,不再贅述。

最後,是把數據保存到csv文件:

# 保存數據到DF
df = pd.DataFrame(
	{
		'頁碼': page,
		'作者昵稱': author_name_list,
		'uid': uid_list,
		'sec_uid': sec_uid_list,
		'作者鏈接': author_link_list,
		'作者粉絲數': follower_count_list,
		'視頻標題': title_list,
		'視頻標簽': tag_list,
		'視頻鏈接': link_list,
		'發佈時間': create_time_list,
		'是否置頂': is_top_list,
		'點贊數': like_count_list,
		'評論數': comment_count_list,
		'收藏數': collect_count_list,
		'轉發數': share_count_list,
	}
)
if os.path.exists(self.result_file):  # 如果文件存在,不再設置表頭
	header = False
else:  # 否則,設置csv文件表頭
	header = True
df.to_csv(self.result_file, mode='a+', index=False, header=header, encoding='utf_8_sig')
self.tk_show('保存csv文件成功:' + self.result_file)

完整代碼中,還含有:判斷迴圈結束條件、js逆向參數、時間戳轉換、判斷置頂視頻等關鍵實現邏輯。

2.2 軟體界面模塊

主視窗部分:

# 創建主視窗
root = tk.Tk()
root.title('抖音博主視頻採集軟體v1.1 | 馬哥python說 |')
# 設置視窗大小
root.minsize(width=850, height=650)

輸入控制項部分:

# 用戶鏈接
tk.Label(root, justify='left', text='用戶鏈接:').place(x=30, y=125)
entry_nt = tk.Text(root, bg='#ffffff', width=110, height=14, )
entry_nt.place(x=30, y=150, anchor='nw')  # 擺放位置

底部版權部分:

# 版權信息
copyright = tk.Label(root, text='@馬哥python說 All rights reserved.', font=('仿宋', 10), fg='grey')
copyright.place(x=290, y=625)

以上。

2.3 日誌模塊

好的日誌功能,方便軟體運行出問題後快速定位原因,修複bug。
核心代碼:

def get_logger(self):
	self.logger = logging.getLogger(__name__)
	# 日誌格式
	formatter = '[%(asctime)s-%(filename)s][%(funcName)s-%(lineno)d]--%(message)s'
	# 日誌級別
	self.logger.setLevel(logging.DEBUG)
	# 控制台日誌
	sh = logging.StreamHandler()
	log_formatter = logging.Formatter(formatter, datefmt='%Y-%m-%d %H:%M:%S')
	# info日誌文件名
	info_file_name = time.strftime("%Y-%m-%d") + '.log'
	# 將其保存到特定目錄,ap方法就是尋找項目根目錄,該方法博主前期已經寫好。
	case_dir = r'./logs/'
	info_handler = TimedRotatingFileHandler(filename=case_dir + info_file_name,
						when='MIDNIGHT',
						interval=1,
						backupCount=7,
						encoding='utf-8')

日誌文件截圖:log文件

以上。

三、轉載聲明

轉載已獲原作者 @馬哥python說 授權:

博客園原文鏈接:【GUI軟體】採集抖音博主的主頁視頻(可監控對標賬號最新作品)

持續分享Python乾貨中,歡迎交流開發技術!


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 結構化開發方法 基本思想:自頂向下,逐步求精,過程抽象,模塊化技術 概念: 結構化程式設計:按照一定的原則與原理,組織編寫正確且易讀的程式的軟體技術。 結構化分析設計:數據流圖、數據字典、模塊結構圖。 優勢:合理性(管理複雜性的有效手段:分解,抽象,層次)、正確性(依據規約,完成任務) 程式 & 抽 ...
  • 01-什麼是Spring IOC 和DI ? IOC : 控制翻轉 , 它把傳統上由程式代碼直接操控的對象的調用權交給容 器,通過容器來實現對 象組件的裝配和管理。所謂的“控制反轉”概念就是對組件對象控制權的轉 移,從程式代碼本身 轉移到了外部容器。 DI : 依賴註入,在我們創建對象的過程中,把對 ...
  • 前言 大家好,我是老馬。很高興遇到你。 我們希望實現最簡單的 http 服務信息,可以處理靜態文件。 如果你想知道 servlet 如何處理的,可以參考我的另一個項目: 手寫從零實現簡易版 tomcat minicat 手寫 nginx 系列 如果你對 nginx 原理感興趣,可以閱讀: 從零手寫實 ...
  • 源碼: <?php error_reporting(0); if ($_SERVER['REQUEST_METHOD'] !== 'POST') { header("HTTP/1.1 405 Method Not Allowed"); exit(); } else { if (!isset($_PO ...
  • 在 Mac 上安裝多個 Python 版本可通過幾種不同方法實現。 1 Homebrew 1.1 安裝 Homebrew 若安裝過,跳過該步。 /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/ ...
  • 目錄一、背景介紹二、爬蟲代碼2.1 展示爬取結果2.2 爬蟲代碼講解三、可視化代碼3.1 讀取數據3.2 數據清洗3.3 可視化3.3.1 IP屬地分析-柱形圖3.3.2 評論時間分析-折線圖3.3.3 點贊數分佈-箱線圖3.3.4 評論內容-情感分佈餅圖3.3.5 評論內容-詞雲圖四、技術總結五、 ...
  • 大家好,我是R哥。 最近,R哥分享了幾個特別有意思的面試輔導成功案例: 35K*14 薪入職了,這公司只要不裁員,我能一直呆下去。。 幹了 2 年多 Java 外包,終於脫離了! 輔導一周,連拿 3 個 Offer! 說到 985 學歷,找工作應該不算是什麼難事吧?何況還是 985 碩士? 這個學歷 ...
  • RuoYi-activiti —— 基於若依、Activiti 6.0,集流程設計、流程部署、流程執行、任務辦理、流程監控於一體的開源工作流開發平臺。 ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發(一):使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說,近來想嘗試開發一款安卓APP,考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP,畢竟是使用Visual Studio開發工具,使用起來也比較的順手,結合微軟官方的教程進行了安卓 ...
  • 前言 QuestPDF 是一個開源 .NET 庫,用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫,它徹底改變了我們生成 PDF 文檔的方 ...
  • 項目地址 項目後端地址: https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址: ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址: http://tree ...
  • 話不多說,直接開乾 一.下載 1.官方鏈接下載: https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe,運行開始下載SQL server; 二. ...
  • 前言 隨著物聯網(IoT)技術的迅猛發展,MQTT(消息隊列遙測傳輸)協議憑藉其輕量級和高效性,已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫,為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog支持多種接收器用於日誌存儲,增強器用於添加屬性,LogContext管理動態屬性,支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項,適用於不同需求。 ...
  • 目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據,爬取信息時需要模擬瀏覽器行為,否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下: 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • 1.前言 什麼是熱更新 游戲或者軟體更新時,無需重新下載客戶端進行安裝,而是在應用程式啟動的情況下,在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR,Xlua,ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles,Addressable, ...
  • 本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺,其實像阿裡雲,騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後,它會送 ...
  • 通過以下方式可以高效,並保證數據同步的可靠性 1.API設計 使用RESTful設計,確保API端點明確,並使用適當的HTTP方法(如POST用於創建,PUT用於更新)。 設計清晰的請求和響應模型,以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證,確保接收到的數據符合預期格 ...