风之猎手 发表于 2024-5-25 19:23:51

【爬虫软件】用Python开发的抖音关键词搜索工具,可筛选爬取热门视频、最新

一、背景介绍

1.1 爬取目标

用python开发的爬虫采集软件,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:

爬取结果截图:
结果截图1:

结果截图2:

结果截图3:

以上。
1.2 演示视频

软件运行演示视频:
请见原文
1.3 软件说明

几点重要说明:
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:

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DF
df = 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 = False
else:# 否则,设置csv文件表头
        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:

以上。
三、转载声明

转载已获原作者 @马哥python说 授权:
博客园原文链接:【GUI软件】抖音搜索结果批量采集,支持多个关键词、排序方式、发布时间筛选等!

来源:https://www.cnblogs.com/ws235/p/18212596
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: 【爬虫软件】用Python开发的抖音关键词搜索工具,可筛选爬取热门视频、最新