【爬虫软件】用Python开发的抖音评论区批量采集工具

谁能参透

一、背景说明

1.1 效果演示

用python开发的爬虫采集软件，可自动抓取抖音评论数据，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：

以上。
1.2 演示视频

软件运行演示视频：见原文
1.3 软件说明

几点重要说明：

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
2. url = 'https://www.douyin.com/aweme/v1/web/comment/list/'

复制代码

定义一个请求头，用于伪造浏览器：

1. # 请求头
2. h1 = {
3.         'accept': 'application/json, text/plain, */*',
4.         'accept-encoding': 'gzip, deflate, br',
5.         'accept-language': 'zh-CN,zh;q=0.9,en-US;q=0.8,en;q=0.7',
6.         'cookie': '换成自己的cookie值',
7.         'referer': 'https://www.douyin.com/',
8.         'sec-ch-ua': '"Not_A Brand";v="99", "Google Chrome";v="109", "Chromium";v="109"',
9.         'sec-ch-ua-mobile': '?0',
10.         'sec-ch-ua-platform': '"macOS"',
11.         'sec-fetch-dest': 'empty',
12.         'sec-fetch-mode': 'cors',
13.         'sec-fetch-site': 'same-origin',
14.         'user-agent': ua,
15. }

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：

1. # 请求参数
2. params = {
3.         'device_platform': 'webapp',
4.         'aid': 6383,
5.         'channel': 'channel_pc_web',
6.         'aweme_id': video_id,  # 视频id
7.         'cursor': page * 20,
8.         'count': 20,
9.         'item_type': 0,
10.         'insert_ids': '',
11.         'rcFT': '',
12.         'pc_client_type': 1,
13.         'version_code': '170400',
14.         'version_name': '17.4.0',
15.         'cookie_enabled': 'true',
16.         'screen_width': 1440,
17.         'screen_height': 900,
18.         'browser_language': 'zh-CN',
19.         'browser_platform': 'MacIntel',
20.         'browser_name': 'Chrome',
21.         'browser_version': '109.0.0.0',
22.         'browser_online': 'true',
23.         'engine_name': 'Blink',
24.         'engine_version': '109.0.0.0',
25.         'os_name': 'Mac OS',
26.         'os_version': '10.15.7',
27.         'cpu_core_num': 4,
28.         'device_memory': 8,
29.         'platform': 'PC',
30.         'downlink': 1.5,
31.         'effective_type': '4g',
32.         'round_trip_time': 150,
33.         'webid': 7184233910711879229,
34.         'msToken': 'LZ3nJ12qCwmFPM1NgmgYAz73RHVG_5ytxc_EMHr_3Mnc9CxfayXlm2kbvRaaisoAdLjRVPdLx5UDrc0snb5UDyQVRdGpd3qHgk64gLh6Tb6lR16WG7VHZQ==',
35. }

复制代码

下面就是发送请求和接收数据：

1. # 请求地址
2. url = 'https://www.douyin.com/aweme/v1/web/comment/list/'# 发送请求r = requests.get(url, headers=h1, params=params)# 转json格式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. ip_list = []  # ip属地
2. text_list = []  # 评论内容
3. create_time_list = []  # 评论时间
4. user_name_list = []  # 评论者昵称
5. user_url_list = []  # 评论者主页链接
6. user_unique_id_list = []  # 评论者抖音号
7. like_count_list = []  # 点赞数
8. cmt_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：

1. # 循环解析
2. for comment in comment_list:
3.         # 评论内容
4.         text = comment['text']
5.         text_list.append(text)

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DF
2. df = pd.DataFrame(
3.         {
4.                 '目标链接': 'https://www.douyin.com/video/' + str(video_id),
5.                 '页码': page,
6.                 '评论者昵称': user_name_list,
7.                 '评论者id': user_unique_id_list,
8.                 '评论者主页链接': user_url_list,
9.                 '评论时间': create_time_list,
10.                 '评论IP属地': ip_list,
11.                 '评论点赞数': like_count_list,
12.                 '评论级别': cmt_level_list,
13.                 '评论内容': text_list,
14.         }
15. )
16. # 保存到csv文件
17. if os.path.exists(result_file):  # 如果文件存在，不再设置表头
18.         header = False
19. else:  # 否则，设置csv文件表头
20.         header = True
21. df.to_csv(result_file, mode='a+', index=False, header=header, encoding='utf_8_sig')

复制代码

完整代码中，还含有：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：

1. # 创建日志目录
2. work_path = os.getcwd()
3. if not os.path.exists(work_path + "/logs"):
4.         os.makedirs(work_path + "/logs")
5. # 创建主窗口
6. root = tk.Tk()
7. root.title('抖音评论采集软件 | 马哥python说')
8. # 设置窗口大小
9. root.minsize(width=850, height=650)

复制代码

填写cookie控件：

1. # 【填入Cookie】
2. tk.Label(root, justify='left', font=('微软', 14), text='个人Cookie:').place(x=30, y=75)
3. entry_ck = tk.Text(root, bg='#ffffff', width=110, height=2, )
4. 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：

1. # 【视频链接】
2. tk.Label(root, justify='left', font=('微软', 14), text='视频链接:').place(x=30, y=145)
3. note_ids = tk.StringVar()
4. note_ids.set('')
5. entry_nt = tk.Text(root, bg='#ffffff', width=110, height=14, )
6. entry_nt.place(x=30, y=170, anchor='nw')  # 摆放位置

复制代码

底部软件版权说明：

1. # 版权信息
2. copyright = tk.Label(root, text='@马哥python说 All rights reserved.', font=('仿宋', 10), fg='grey')
3. 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):
2.         self.logger = logging.getLogger(__name__)
3.         # 日志格式
4.         formatter = '[%(asctime)s-%(filename)s][%(funcName)s-%(lineno)d]--%(message)s'
5.         # 日志级别
6.         self.logger.setLevel(logging.DEBUG)
7.         # 控制台日志
8.         sh = logging.StreamHandler()
9.         log_formatter = logging.Formatter(formatter, datefmt='%Y-%m-%d %H:%M:%S')
10.         # info日志文件名
11.         info_file_name = time.strftime("%Y-%m-%d") + '.log'
12.         case_dir = r'./logs/'
13.         info_handler = TimedRotatingFileHandler(filename=case_dir + info_file_name,
14.                                                                                         when='MIDNIGHT',
15.                                                                                         interval=1,
16.                                                                                         backupCount=7,
17.                                                                                         encoding='utf-8')

复制代码

日志文件截图：

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！

持续分享Python干货中，欢迎交流开发技术！

来源:https://www.cnblogs.com/ws235/p/18210398
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！