【GUI界面软件】快手评论区采集：自动采集10000多条，含二级评论、展开评论

贫民 · 发表于 2024-3-20 15:59:31

一、背景说明

1.1 效果演示

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，可自动抓取快手评论数据，并且含二级评论！
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、无需懂代码，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：

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cookie和爬取目标视频链接。
支持同时爬多个视频的评论。
可爬取9个关键字段，含：目标链接,页码,评论者昵称,评论者id,评论者主页链接,评论时间,评论点赞数,评论级别,评论内容。
评论中包含二级评论及二级展开评论。
爬取结果自动导出到csv文件。

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.kuaishou.com/graphql'

复制代码

定义一个请求头，用于伪造浏览器：

# 请求头h1 = { 'Accept': '*/*', 'Accept-Encoding': 'gzip, deflate, br', 'Accept-Language': 'zh-CN,zh;q=0.9', 'Connection': 'keep-alive', 'Content-Type': 'application/json', 'Cookie': self.cookie_val, 'Host': 'www.kuaishou.com', 'Origin': 'https://www.kuaishou.com', 'Referer': 'https://www.kuaishou.com', 'Sec-Fetch-Dest': 'empty', 'Sec-Fetch-Mode': 'cors', 'Sec-Fetch-Site': 'same-origin', 'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/119.0.0.0 Safari/537.36', 'sec-ch-ua': '"Google Chrome";v="119", "Chromium";v="119", "Not?A_Brand";v="24"', 'sec-ch-ua-mobile': '?0', 'sec-ch-ua-platform': '"macOS"',}

复制代码

其中，cookie是个关键参数，需要填写到软件界面里。
cookie获取方法如下：

加上请求参数，告诉程序你的爬取条件是什么：

# 请求参数params = {"operationName": "commentListQuery", "variables": { "photoId": video_id, "pcursor": pcursor, }, "query": "query commentListQuery($photoId: String, $pcursor: String) {\n visionCommentList(photoId: $photoId, pcursor: $pcursor) {\n commentCount\n pcursor\n rootComments {\n commentId\n authorId\n authorName\n content\n headurl\n timestamp\n likedCount\n realLikedCount\n liked\n status\n authorLiked\n subCommentCount\n subCommentsPcursor\n subComments {\n commentId\n authorId\n authorName\n content\n headurl\n timestamp\n likedCount\n realLikedCount\n liked\n status\n authorLiked\n replyToUserName\n replyTo\n __typename\n }\n __typename\n }\n __typename\n }\n}\n"}

复制代码

下面就是发送请求和接收数据：

# 发送请求r = requests.post(url, json=params, headers=h1)# 接收json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：

content_list = [] # 评论内容create_time_list = [] # 评论时间like_count_list = [] # 评论点赞数author_name_list = [] # 评论者昵称author_id_list = [] # 评论者idauthor_link_list = [] # 评论者链接comment_level_list = [] # 评论级别

复制代码

循环解析字段数据，以"评论内容"为例：

# 循环解析for data in json_data['data']['visionCommentList']['rootComments']: # 评论内容 content = data['content'] self.tk_show('评论内容:' + content) content_list.append(content)

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DFdf = pd.DataFrame( { '目标链接': 'https://www.kuaishou.com/short-video/' + video_id, '页码': page, '评论者昵称': author_name_list, '评论者id': author_id_list, '评论者主页链接': author_link_list, '评论时间': create_time_list, '评论点赞数': like_count_list, '评论级别': comment_level_list, '评论内容': content_list, })# 保存到csvif 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('视频[{}]第{}页已保存到csv'.format(video_id, page))

复制代码

完整代码中，还含有：游标控制翻页、判断循环结束条件、时间戳转换、二级评论及二级展开评论的采集等关键实现逻辑，详见文末。
2.2 软件界面模块

软件界面采用tkinter开发。
主窗口部分：

# 创建主窗口root = tk.Tk()root.title('快手评论采集软件v1.0 | 马哥python说')# 设置窗口大小root.minsize(width=850, height=650)

复制代码

填写cookie控件：

# 【填入Cookie】tk.Label(root, justify='left', font=('微软', 14), text='个人Cookie:').place(x=30, y=75)entry_ck = tk.Text(root, bg='#ffffff', width=110, height=2, )entry_ck.place(x=30, y=100, anchor='nw') # 摆放位置

复制代码

填写视频链接控件：

# 【视频链接】tk.Label(root, justify='left', font=('微软', 14), text='视频链接:').place(x=30, y=185)video_ids = tk.StringVar()video_ids.set('')entry_nt = tk.Text(root, bg='#ffffff', width=110, height=12, )entry_nt.place(x=30, y=210, anchor='nw') # 摆放位置

复制代码

底部软件版权说明：

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' 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：

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"爬快手评论软件"即可获取。点击直达
我是@马哥python说，一名10年程序猿，持续分享python干货中！

来源:https://www.cnblogs.com/mashukui/p/18084631/ks_cmt_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！