|
目录
一、背景介绍
1.1 爬取目标
您好!我是@马哥python说,一名10年程序猿。
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:
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:
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/'
复制代码 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"
- }
复制代码 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"
- }
复制代码 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()
复制代码 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
复制代码 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)
复制代码 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)
复制代码 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)
复制代码 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
复制代码 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)
复制代码 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')
复制代码 日志文件截图:
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/mashukui/p/17962055/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! |
本帖子中包含更多资源
您需要 登录 才可以下载或查看,没有账号?立即注册
x
|