使用python爬蟲,批量爬取抖音app視頻(requests+Fiddler+appium)

抖音很火,樓主使用python隨機爬取抖音視頻,而且無水印下載,人家都說天下沒有爬不到的數據,so,樓主決定試試水,純屬技術愛好,分享給你們。。python

1.樓主首先使用Fiddler4來抓取手機抖音app這個包,具體配置的操做,網上有不少教程供你們參考。android

上面得出抖音的視頻的url,這些url均能在網頁中打開,樓主數了數,這些url的前綴有些不一樣,一共有這4種類型:git

v1-dy.ixigua.comgithub

v3-dy.ixigua.comweb

v6-dy.ixigua.com緩存

v9-dy.ixigua.comapp

 樓主查看這四種類型得知,v6-dy.ixigua.com 這個前綴後面的參數其中有一個是Expires(中文含義過時的意思)ide

Expires=1536737310,這個是時間戳,標記的是過時的時間以下圖所示,過了15:28分30秒,則表示url不能使用,樓主算了一下,url有效期是一個小時。函數

看到這些url,樓主不能手動一個一個粘貼,so樓主須要在+Fiddler4中(在Fiddler4使用script代碼網上有大量詳細教程)使用以下代碼,自動保存到一個txt文檔中。url

 

 

        //保存到本地添加開始
        
        //這是抖音的地址||"v1-dy.ixigua.com"||"v3-dy.ixigua.com"||"v6-dy.ixigua.com"||"v9-dy.ixigua.com"||
        if (oSession.fullUrl.Contains("v1-dy.ixigua.com")||
            oSession.fullUrl.Contains("v3-dy.ixigua.com")||
            oSession.fullUrl.Contains("v6-dy.ixigua.com")||
            oSession.fullUrl.Contains("v9-dy.ixigua.com")){
            
            var fso;
            var file;
            fso = new ActiveXObject("Scripting.FileSystemObject");
            //文件保存路徑,可自定義
            file = fso.OpenTextFile("H:\\Request.txt",8 ,true);
            //file.writeLine("Request-url:" + oSession.url);
            file.writeLine("http://"+oSession.url)
            //file.writeLine("Request-host:" + oSession.host);
            //file.writeLine("Request-header:" + "\n" + oSession.oRequest.headers);
            //file.writeLine("Request-body:" + oSession.GetRequestBodyAsString());
            //file.writeLine("\n");
            file.close();
        }        
        //保存到本地添加結束

 

把上邊的代碼插入到以下圖所示的地方便可。

 2.上面的url是樓主手動點擊一個個刷新抖音app出現的,so樓主使用appium來自動刷新抖音app,自動得到url,自動保存到txt文檔中。

 首先須要在appium中獲得抖音這個app包的一些用的信息,以下圖所示

樓主使用的是紅米手機,至於appium怎麼安裝配置,你們可參考網上相關教程,appium客戶端鏈接上手機(須要數據線鏈接)後,在控制檯打印出log日誌文件,在日誌文件中找到這四個參數便可,而後保存

到appium客戶端中便可,就能在appium客戶端中操做抖音app。

 {
  "platformName": "Android",
  "deviceName": "Redmi Note5",
  "appPackage": "com.ss.android.ugc.aweme",
  "appActivity": ".main.MainActivity"
}

appPackage這一項com.ss.android.ugc.aweme 則表示抖音短視頻。

樓主使用以下代碼來實現無限刷新抖音app,前提是須要手機連着數據線連在電腦上而且開啓appium客戶端的服務和打開Fiddler4抓包(配置好環境手機)。

from appium import webdriver
from time import sleep

##如下代碼能夠操控手機app
class Action():
    def __init__(self):
        # 初始化配置,設置Desired Capabilities參數
        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'
        # 新建一個Session
        self.driver = webdriver.Remote(self.server, self.desired_caps)
        # 設置滑動初始座標和滑動距離
      self.start_x = 500
        self.start_y = 1500
        self.distance = 1300

    def comments(self):
        sleep(3)
        # app開啓以後點擊一次屏幕,確保頁面的展現
        self.driver.tap([(500, 1200)], 500)
    def scroll(self):
        # 無限滑動
        while True:
            # 模擬滑動
            self.driver.swipe(self.start_x, self.start_y, self.start_x,
            self.start_y - self.distance)
            # 設置延時等待
            sleep(5)
    def main(self):
        self.comments()
        self.scroll()

if __name__ == '__main__':
    action = Action()
    action.main()

樓主運行次代碼就能在Fiddler4中獲得無限量的url。
3.樓主拿到url後,會發現有些url會重複,so樓主加入了去重的功能,爲了好看樓主也加入了進度條花裏花哨的功能,運行代碼最終會下載下來。

# _*_ coding: utf-8 _*_
import requests
import sys
headers = {"User-Agent":"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/42.0.2311.90 Safari/537.36" }

##去重方法
def distinct_data():
    ##讀取txt中文檔的url列表
    datalist_blank=[]
    pathtxt='H:/Request.txt'
    with open(pathtxt) as f:
        f_data_list=f.readlines()#d獲得的是一個list類型
        for a in f_data_list:
            datalist_blank.append(a.strip())#去掉\n strip去掉頭尾默認空格或換行符
    # print(datalist)
    data_dict={}
    for data in datalist_blank:
        #print(type(data),data,'\n')
        #print(data.split('/'),'\n',data.split('/').index('m'),'\n')
        #url中以/爲切分,在以m爲切分   ##把m後面的值放進字典key的位置,利用字典特性去重
        if int(data.split('/').index('m'))==4 :#此處爲v6開頭的url
            #print(data,44,data.split('/')[5])
            data_key1=data.split("/")[5]
            data_dict[data_key1]=data
        elif int(data.split('/').index('m'))==6: #此處爲v1或者v3或者v9開頭的url
            #print(data,66,data.split('/')[7],type(data.split('/')[7]))
            data_key2=data.split("/")[7]
            data_dict[data_key2] =data
    #print(len(data_dict),data_dict)
    data_new=[]
    for x,y in data_dict.items():
        data_new.append(y)
    return data_new

def responsedouyin():
    data_url=distinct_data()
    # 使用request獲取視頻url的內容
    # stream=True做用是推遲下載響應體直到訪問Response.content屬性
    # 將視頻寫入文件夾
    num = 1
    for url in data_url:
        res = requests.get(url,stream=True,headers=headers)
        #res = requests.get(url=url, stream=True, headers=headers)
        #定義視頻存放的路徑
        pathinfo = 'H:/douyin-video/%d.mp4' % num  #%d 用於整數輸出   %s用於字符串輸出
        # 實現下載進度條顯示,這一步須要獲得總視頻大小
        total_size = int(res.headers['Content-Length'])
        #print('這是視頻的總大小:',total_size)
        #設置流的起始值爲0
        temp_size = 0
        if res.status_code == 200:
            with open(pathinfo, 'wb') as file:
                #file.write(res.content)
                #print(pathinfo + '下載完成啦啦啦啦啦')
                num += 1
                #當流下載時,下面是優先推薦的獲取內容方式,iter_content()函數就是獲得文件的內容,指定chunk_size=1024,大小能夠本身設置喲,設置的意思就是下載一點流寫一點流到磁盤中
                for chunk in res.iter_content(chunk_size=1024):
                    if chunk:
                        temp_size += len(chunk)
                        file.write(chunk)
                        file.flush() #刷新緩存
                #############下載進度條部分start###############
                        done = int(50 * temp_size / total_size)
                        #print('百分比:',done)
                        sys.stdout.write("\r[%s%s] %d % %" % ('' * done, ' ' * (50 - done), 100 * temp_size / total_size)+" 下載信息:"+pathinfo + "下載完成啦啦啦啦啦")
                        sys.stdout.flush()#刷新緩存
                #############下載進度條部分end###############
                print('\n')#每一條打印在屏幕上換行輸出


if __name__ == '__main__':
    responsedouyin()

運行代碼,效果圖以下

視頻最終保存到文件夾中

github地址:https://github.com/Stevenguaishushu/douyin

相關文章
相關標籤/搜索