【GUI软件】抖音搜索结果批量采集，支持多个关键词同时抓取！

万永

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：

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：

1. # 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：

1. # 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：

1. # 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：

1. # 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：

1. # 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：

1. 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：

1. # 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)

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：

1. # 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：

1. # 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：

1. # 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：

1. 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/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！