【爬虫软件】用python开发的抖音主页作品批量采集工具，想看谁就爬谁！
一、背景介绍1.1 爬取目标
用python开发了一个抖音爬虫采集软件，可自动按博主抓取其已发布视频数据。
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
软件使用演示：（不懂编程没关系，了解软件的作用和使用方法就行）
原文1.2章节
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/aweme/post/'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",
"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,
}说明一下，cookie是个关键参数。
其中，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",
"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
tag_list = []# 视频标签
link_list = []# 视频链接
author_name_list = []# 作者昵称
uid_list = []# uid
sec_uid_list = []# sec_uid
author_link_list = []# 作者链接
follower_count_list = []# 作者粉丝数
create_time_list = []# 发布时间
is_top_list = []# 是否置顶
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['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(
{
'页码': page,
'作者昵称': author_name_list,
'uid': uid_list,
'sec_uid': sec_uid_list,
'作者链接': author_link_list,
'作者粉丝数': follower_count_list,
'视频标题': title_list,
'视频标签': tag_list,
'视频链接': link_list,
'发布时间': create_time_list,
'是否置顶': is_top_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、js逆向参数、时间戳转换、判断置顶视频等关键实现逻辑。
2.2 软件界面模块
主窗口部分：
# 创建主窗口
root = tk.Tk()
root.title('抖音博主视频采集软件v1.1 | 马哥python说 |')
# 设置窗口大小
root.minsize(width=850, height=650)输入控件部分：
# 用户链接
tk.Label(root, justify='left', text='用户链接:').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')# 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】采集抖音博主的主页视频（可监控对标账号最新作品）
持续分享Python干货中，欢迎交流开发技术！
来源:https://www.cnblogs.com/ws235/p/18234369
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]