【爬虫软件】用python开发的抖音主页作品批量采集工具，想看谁就爬谁！

灭世妖猫

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：

1. # 请求地址
2. 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：

1. # 请求头
2. h1 = {
3.         "Accept": "application/json, text/plain, */*",
4.         "Accept-Encoding": "gzip, deflate",
5.         "Accept-Language": "zh-CN,zh;q=0.9",
6.         "Cookie": self.cookie_val,
7.         "Priority": "u=1, i",
8.         "Referer": "https://www.douyin.com/user/{}?vid=7325137998331399435".format(user_id),
9.         "Sec-Ch-Ua": '"Not_A Brand";v="8", "Chromium";v="120", "Google Chrome";v="120"',
10.         "Sec-Ch-Ua-Mobile": "?0",
11.         "Sec-Ch-Ua-Platform": "macOS",
12.         "Sec-Fetch-Dest": "empty",
13.         "Sec-Fetch-Mode": "cors",
14.         "Sec-Fetch-Site": "same-origin",
15.         "User-Agent": ua,
16. }

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：

1. # 请求参数
2. params = {
3.         "device_platform": "webapp",
4.         "aid": "6383",
5.         "channel": "channel_pc_web",
6.         "sec_user_id": user_id,
7.         "max_cursor": max_cursor,
8.         "locate_item_id": "7325137998331399435",
9.         "locate_query": "false",
10.         "show_live_replay_strategy": "1",
11.         "need_time_list": "0",
12.         "time_list_query": "0",
13.         "whale_cut_token": "",
14.         "cut_version": "1",
15.         "count": 10,
16.         "publish_video_strategy_type": "2",
17.         "pc_client_type": "1",
18.         "version_code": "170400",
19.         "version_name": "17.4.0",
20.         "cookie_enabled": "true",
21.         "screen_width": "1440",
22.         "screen_height": "900", "browser_language": "zh-CN",
23.         "browser_platform": "MacIntel",
24.         "browser_name": "Chrome",
25.         "browser_version": "120.0.0.0",
26.         "browser_online": "true",
27.         "engine_name": "Blink",
28.         "engine_version": "120.0.0.0",
29.         "os_name": "Mac OS",
30.         "os_version": "10.15.7",
31.         "cpu_core_num": "4",
32.         "device_memory": "8",
33.         "platform": "PC",
34.         "downlink": "1.35",
35.         "effective_type": "3g",
36.         "round_trip_time": "550",
37.         "webid": "7312681406147921448",
38.         "msToken": "Bjgl7yWKL7c57PFiwM6V4UWZ54Lm_eh4gjFdyOkX4xV93SpMHyyPMdO1u9j_OvsvgjtNNQFhaK9rWs2G8o7had3VtbDQuuaA41G3yFif70ssE_5ZnqQ6rg",
39. }

复制代码

下面就是发送请求和接收数据：

1. # 发送请求
2. r = requests.get(url, headers=h1, params=params)
3. print(r.status_code)
4. # 以json格式接收返回数据
5. 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
2. title_list = []  # 视频标题
3. tag_list = []  # 视频标签
4. link_list = []  # 视频链接
5. author_name_list = []  # 作者昵称
6. uid_list = []  # uid
7. sec_uid_list = []  # sec_uid
8. author_link_list = []  # 作者链接
9. follower_count_list = []  # 作者粉丝数
10. create_time_list = []  # 发布时间
11. is_top_list = []  # 是否置顶
12. like_count_list = []  # 点赞数
13. comment_count_list = []  # 评论数
14. collect_count_list = []  # 收藏数
15. 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:
2.         # 视频标题
3.         title = v['desc']
4.         self.tk_show('视频标题:' + title)
5.         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DF
2. df = pd.DataFrame(
3.         {
4.                 '页码': page,
5.                 '作者昵称': author_name_list,
6.                 'uid': uid_list,
7.                 'sec_uid': sec_uid_list,
8.                 '作者链接': author_link_list,
9.                 '作者粉丝数': follower_count_list,
10.                 '视频标题': title_list,
11.                 '视频标签': tag_list,
12.                 '视频链接': link_list,
13.                 '发布时间': create_time_list,
14.                 '是否置顶': is_top_list,
15.                 '点赞数': like_count_list,
16.                 '评论数': comment_count_list,
17.                 '收藏数': collect_count_list,
18.                 '转发数': share_count_list,
19.         }
20. )
21. if os.path.exists(self.result_file):  # 如果文件存在，不再设置表头
22.         header = False
23. else:  # 否则，设置csv文件表头
24.         header = True
25. df.to_csv(self.result_file, mode='a+', index=False, header=header, encoding='utf_8_sig')
26. 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：

1. # 创建主窗口
2. root = tk.Tk()
3. root.title('抖音博主视频采集软件v1.1 | 马哥python说 |')
4. # 设置窗口大小
5. root.minsize(width=850, height=650)

复制代码

输入控件部分：

1. # 用户链接
2. tk.Label(root, justify='left', text='用户链接:').place(x=30, y=125)
3. entry_nt = tk.Text(root, bg='#ffffff', width=110, height=14, )
4. entry_nt.place(x=30, y=150, anchor='nw')  # 摆放位置

复制代码

底部版权部分：

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.         # 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。
13.         case_dir = r'./logs/'
14.         info_handler = TimedRotatingFileHandler(filename=case_dir + info_file_name,
15.                                                 when='MIDNIGHT',
16.                                                 interval=1,
17.                                                 backupCount=7,
18.                                                 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！