|
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/'
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",
- "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,
- }
复制代码 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",
- }
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
- 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
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['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(
- {
- '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)
复制代码 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)
复制代码 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
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、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! |
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
|