使用python爬取抖音app視頻

時間 2020-12-01

標籤 python android web 編程 windows app ide 工具測試 url 欄目 Python 简体版

原文原文鏈接

記錄一下如何用python爬取app數據，本文以爬取抖音視頻app爲例。
編程工具：pycharm
app抓包工具：mitmproxy
app自動化工具：appium
運行環境：windows10
思路：
假設已經配置好咱們所須要的工具
一、使用mitmproxy對手機app抓包獲取咱們想要的內容
二、利用appium自動化測試工具，驅動app模擬人的動做（滑動、點擊等）
三、將1和2相結合達到自動化爬蟲的效果
python

1、mitmproxy/mitmdump抓包

確保已經安裝好了mitmproxy，而且手機和PC處於同一個局域網下，同時也配置好了mitmproxy的CA證書，網上有不少相關的配置教程，這裏我就略過了。
由於mitmproxy不支持windows系統，因此這裏用的是它的組件之一mitmdump，它是mitmproxy的命令行接口，能夠利用它對接咱們的Python腳本，用Python實現監聽後的處理。
在配置好mitmproxy以後,在控制檯上輸入mitmdump並在手機上打開抖音app，mitmdump會呈現手機上的全部請求，以下圖

能夠在抖音app一直往下滑，看mitmdump所展現的請求，會發現前綴分別爲android

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

這3個類型前綴的url正是咱們的目標抖音視頻url。
那接下來就要編寫python腳本將視頻下載下來，須要使用 mitmdump -s scripts.py（此處爲python文件名）來執行腳本。web

import requests
# 文件路徑
path = 'D:/video/'
num = 1788
 
 
def response(flow):
    global num
    # 經測試發現視頻url前綴主要是3個
    target_urls = ['http://v1-dy.ixigua.com/', 'http://v9-dy.ixigua.com/',
                   'http://v3-dy.ixigua.com/']
    for url in target_urls:
        # 過濾掉不須要的url
        if flow.request.url.startswith(url):
            # 設置視頻名
            filename = path + str(num) + '.mp4'
            # 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
            res = requests.get(flow.request.url, stream=True)
            # 將視頻寫入文件夾
            with open(filename, 'ab') as f:
                f.write(res.content)
                f.flush()
                print(filename + '下載完成')
            num += 1

代碼寫得比較粗糙，不過基本的邏輯仍是比較清晰的，這樣咱們就能夠把抖音的視頻下載下來，不過這個方法有個缺陷，就是獲取視頻須要人來不斷地滑動抖音的下一個視頻，這時候咱們能夠用一個強大的appium自動化測試工具來解決。

編程

2、Appium對手機進行模擬操做

確保已經配置好appium所依賴的環境Android和SDK，網上也有許多教程，這裏我就不說了。
appium的用法很簡單，首先咱們先打開appium，啓動界面以下

點擊Start Server按鈕便可啓動appium服務

將Android手機經過數據線與PC相連，同時打開USB調試功能，能夠輸入adb命令（具體能夠去網上查找）測試鏈接狀況，若出現如下結果，則說明鏈接成功

model是設備名，後面配置須要用到。以後點擊下圖箭頭所指的按鈕就會出現一個配置頁面

在右下角的JSON Representation配置啓動app的Desired Capabilities參數，分別是paltformName、deviceName、appPackage、appActivity。
platformName:平臺名稱，通常是Android或iOS.
deviceName:設備名稱，手機的具體類型
appPackage:App程序包名
appActivity:入口Activity名，一般以.開頭

platformName和deviceName比較容易得到，而appPackage和appActivity這兩個能夠經過如下方法獲取到。
在控制檯上輸入 adb logcat>D:\log.log 命令，而且在手機打開抖音app，而後在D盤中打開log.log文件，查找Displayed關鍵字

由上圖能夠知道Displayed後面的 com.ss.android.ugc.aweme對應的是appPackage，.main.MainActivity對應的是appActivity，最後咱們的配置結果以下：
windows

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

再點擊Start Session便可啓動Android手機上的抖音app並進入到啓動頁面，同時PC上會彈出一個調試窗口，從這個窗口能夠預覽當前手機頁面，還能夠對手機模擬各類操做，在本文不是重點，因此略過。

在下面咱們將使用python腳原本驅動app，直接在pycharm運行便可app

from appium import webdriver
from time import sleep
 
 
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(2)
        # 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(2)
 
    def main(self):
        self.comments()
        self.scroll()
 
 
if __name__ == '__main__':
 
    action = Action()
    action.main()

下面是爬蟲的過程。ps:偶爾會爬取到重複的視頻

ide