万永 发表于 2024-4-2 20:41:18

【GUI软件】抖音搜索结果批量采集,支持多个关键词同时抓取!

目录

[*]一、背景介绍

[*]1.1 爬取目标
[*]1.2 演示视频
[*]1.3 软件说明

[*]二、代码讲解

[*]2.1 爬虫采集模块
[*]2.2 软件界面模块
[*]2.3 日志模块

[*]三、获取源码及软件

一、背景介绍

1.1 爬取目标

我用python开发了一个爬虫采集软件,可自动按关键词抓取抖音视频数据。
为什么有了源码还开发界面软件呢?方便不懂编程代码的小白用户使用,无需安装python,无需改代码,双击打开即用!
软件界面截图:
https://img2024.cnblogs.com/blog/2864563/202401/2864563-20240113095226705-2116576183.png
爬取结果截图:
结果截图1:
https://img2024.cnblogs.com/blog/2864563/202401/2864563-20240113095241818-1390738367.png
结果截图2:
https://img2024.cnblogs.com/blog/2864563/202401/2864563-20240113095251749-674242916.png
结果截图3:
https://img2024.cnblogs.com/blog/2864563/202401/2864563-20240113095301721-1935277344.png
以上。
1.2 演示视频

软件使用演示:
【软件演示】抖音搜索采集工具,支持多个关键词、排序方式、发布时间等
1.3 软件说明

几点重要说明:

[*]Windows用户可直接双击打开使用,无需Python运行环境,非常方便!
[*]需要填入个人cookie和目标视频链接
[*]支持筛选:排序方式(综合排序/最新发布/最多点赞)和发布时间(不限/一天内/一周内/半年内)
[*]支持同时爬多个关键词
[*]爬取过程中,有log文件详细记录运行过程,方便回溯
[*]爬取完成后,自动导出结果到csv文件
[*]可爬13个字段,含:关键词,页码,视频标题,视频链接,作者昵称,抖音号,作者链接,作者粉丝数,发布时间,点赞数,评论数,收藏数,转发数。
以上。
二、代码讲解

2.1 爬虫采集模块

首先,定义接口地址作为请求地址:
# 请求地址url = 'https://www.douyin.com/aweme/v1/web/search/item/'定义一个请求头,用于伪造浏览器:
# 请求头h1 = {        "Accept": 'application/json, text/plain, */*',        "Accept-Encoding": "gzip, deflate",        "Accept-Language": "zh-CN,zh;q=0.9,en;q=0.8",        "Cookie": self.cookie_val,        "Referer": "",        "Sec-Ch-Ua": 'Not_A Brand";v="8", "Chromium";v="120", "Google Chrome";v="120',        "Sec-Ch-Ua-Mobile": "?0",        "Sec-Ch-Ua-Platform": "Windows",        "Sec-Fetch-Dest": "empty",        "Sec-Fetch-Mode": "cors",        "Sec-Fetch-Site": "same-origin",        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36"}说明一下,cookie是个关键参数。
cookie的获取方法,如下:
https://img2024.cnblogs.com/blog/2864563/202401/2864563-20240113095322332-60989724.png
这个值非常重要,软件界面需要填写!!
加上请求参数,告诉程序你的爬取条件是什么:
# 请求参数params = {        "device_platform": "webapp",        "aid": "6383",        "channel": "channel_pc_web",        "search_channel": "aweme_video_web",        "sort_type": self.trans_sort_type(v_str=self.sort_type),        "publish_time": self.trans_time_range(v_str=self.time_range),        "keyword": search_keyword,        "search_source": "tab_search",        "query_correct_type": "1",        "is_filter_search": "1",        "from_group_id": "",        "offset": cursor,        "count": "20",        "pc_client_type": "1",        "version_code": "170400",        "version_name": "17.4.0",        "cookie_enabled": "true",        "screen_width": "1536",        "screen_height": "864",        "browser_language": "zh-CN",        "browser_platform": "Win32",        "browser_name": "Chrome",        "browser_version": "120.0.0.0",        "browser_online": "true",        "engine_name": "Blink",        "engine_version": "120.0.0.0",        "os_name": "Windows",        "os_version": "10",        "cpu_core_num": "8",        "device_memory": "8",        "platform": "PC",        "downlink": "10",        "effective_type": "4g",        "round_trip_time": "50",        "webid": "7249265465250973217",        "msToken": "Sx2PzLIz0YGvM_wrIkaUaaeUb1JUutgo3ERiWmwV1w6VC1naW15lFM6N3nanMZRZYfaHLvXrDNzGqkAyvvCpdO3d6u0u_kNmmZZHeMIsDqga2eWnjTzp5g==",        "X-Bogus": "DFSzswVuketAN9oEt7PfdSlls7YT"}下面就是发送请求和接收数据:
# 发送请求r = requests.get(url, headers=h1, params=params)print(r.status_code)# 以json格式接收返回数据json_data = r.json()定义一些空列表,用于存放解析后字段数据:
# 定义空列表title_list = []# 视频标题link_list = []# 视频链接author_name_list = []# 作者昵称author_id_list = []# 抖音号author_link_list = []# 作者链接follower_count_list = []# 作者粉丝数create_time_list = []# 发布时间like_count_list = []# 点赞数comment_count_list = []# 评论数collect_count_list = []# 收藏数share_count_list = []# 转发数循环解析字段数据,以"视频标题"为例:
for v in video_list:        # 视频标题        title = v['aweme_info']['desc']        self.tk_show('视频标题:' + title)        title_list.append(title)其他字段同理,不再赘述。
最后,是把数据保存到csv文件:
# 保存数据到DFdf = pd.DataFrame(        {                '关键词': search_keyword,                '页码': page,                '视频标题': title_list,                '视频链接': link_list,                '作者昵称': author_name_list,                '抖音号': author_id_list,                '作者链接': author_link_list,                '作者粉丝数': follower_count_list,                '发布时间': create_time_list,                '点赞数': like_count_list,                '评论数': comment_count_list,                '收藏数': collect_count_list,                '转发数': share_count_list,        })if os.path.exists(self.result_file):# 如果文件存在,不再设置表头        header = Falseelse:# 否则,设置csv文件表头        header = Truedf.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)完整代码中,还含有:判断循环结束条件、排序方式(综合排序/最新发布/最多点赞)、发布时间(不限/一天内/一周内/半年内)等关键实现逻辑。
2.2 软件界面模块

主窗口部分:
# 创建主窗口root = tk.Tk()root.title('抖音搜索采集软件v1.1 | 马哥python说 |')# 设置窗口大小root.minsize(width=850, height=650)输入控件部分:
# 搜索关键词tk.Label(root, justify='left', text='搜索关键词:').place(x=30, y=160)entry_kw = tk.Text(root, bg='#ffffff', width=60, height=2, )entry_kw.place(x=125, y=160, anchor='nw')# 摆放位置底部版权部分:
# 版权信息copyright = tk.Label(root, text='@马哥python说 All rights reserved.', font=('仿宋', 10), fg='grey')copyright.place(x=290, y=625)以上。
2.3 日志模块

好的日志功能,方便软件运行出问题后快速定位原因,修复bug。
核心代码:
def get_logger(self):        self.logger = logging.getLogger(__name__)        # 日志格式        formatter = '[%(asctime)s-%(filename)s][%(funcName)s-%(lineno)d]--%(message)s'        # 日志级别        self.logger.setLevel(logging.DEBUG)        # 控制台日志        sh = logging.StreamHandler()        log_formatter = logging.Formatter(formatter, datefmt='%Y-%m-%d %H:%M:%S')        # info日志文件名        info_file_name = time.strftime("%Y-%m-%d") + '.log'        # 将其保存到特定目录,ap方法就是寻找项目根目录,该方法博主前期已经写好。        case_dir = r'./logs/'        info_handler = TimedRotatingFileHandler(filename=case_dir + info_file_name,                                                when='MIDNIGHT',                                                interval=1,                                                backupCount=7,                                                encoding='utf-8')日志文件截图:
https://img2024.cnblogs.com/blog/2864563/202401/2864563-20240113095443248-1779819991.png
以上。
三、获取源码及软件

完整python源码及exe软件,微信公众号"老男孩的平凡之路"后台回复"爬抖音搜索软件"即可获取。点击直达
推荐阅读:【GUI界面软件】抖音评论采集:自动采集10000多条,含二级评论、展开评论!

来源:https://www.cnblogs.com/ws235/p/18111538/douyin_search_tool
免责声明:由于采集信息均来自互联网,如果侵犯了您的权益,请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容,谢谢合作!
页: [1]
查看完整版本: 【GUI软件】抖音搜索结果批量采集,支持多个关键词同时抓取!