如何用python爬取抖音app數(shù)據(jù)
記錄一下如何用python爬取app數(shù)據(jù)，本文以爬取抖音視頻app為例。
編程工具：pycharm app
抓包工具：mitmproxy app
自動化工具：appium
運行環(huán)境：windows10
思路：
假設(shè)已經(jīng)配置好我們所需要的工具
1、使用mitmproxy對手機app抓包獲取我們想要的內(nèi)容
2、利用appium自動化測試工具，驅(qū)動app模擬人的動作（滑動、點擊等）
3、將1和2相結(jié)合達(dá)到自動化爬蟲的效果
# mitmproxy/mitmdump抓包
確保已經(jīng)安裝好了mitmproxy，并且手機和PC處于同一個局域網(wǎng)下，同時也配置好了mitmproxy的CA證書，網(wǎng)上有很多相關(guān)的配置教程，這里我就略過了。
因為mitmproxy不支持windows系統(tǒng)，所以這里用的是它的組件之一mitmdump，它是mitmproxy的命令行接口，可以利用它對接我們的Python腳本，用Python實現(xiàn)監(jiān)聽后的處理。
在配置好mitmproxy之后,在控制臺上輸入mitmdump并在手機上打開抖音app，mitmdump會呈現(xiàn)手機上的所有請求，如下圖
可以在抖音app一直往下滑，看mitmdump所展示的請求，會發(fā)現(xiàn)前綴分別為
http://v1-dy.ixigua.com/；http://v3-dy.ixigua.com/；http://v9-dy.ixigua.com/ 這3個類型前綴的url正是我們的目標(biāo)抖音視頻url。
那接下來就要編寫python腳本將視頻下載下來，需要使用 mitmdump -s scripts.py（此處為python文件名）來執(zhí)行腳本。
import requests# 文件路徑path = 'D:/video/'num = 1788 def response(flow): global num # 經(jīng)測試發(fā)現(xiàn)視頻url前綴主要是3個 target_urls = ['http://v1-dy.ixigua.com/', 'http://v9-dy.ixigua.com/', 'http://v3-dy.ixigua.com/'] for url in target_urls: # 過濾掉不需要的url if flow.request.url.startswith(url): # 設(shè)置視頻名 filename = path + str(num) + '.mp4' # 使用request獲取視頻url的內(nèi)容 # stream=True作用是推遲下載響應(yīng)體直到訪問Response.content屬性 res = requests.get(flow.request.url, stream=True) # 將視頻寫入文件夾 with open(filename, 'ab') as f: f.write(res.content) f.flush() print(filename + '下載完成') num += 1 代碼寫得比較粗糙，不過基本的邏輯還是比較清晰的，這樣我們就可以把抖音的視頻下載下來，不過這個方法有個缺陷，就是獲取視頻需要人來不斷地滑動抖音的下一個視頻，這時候我們可以用一個強大的appium自動化測試工具來解決。
# Appium對手機進(jìn)行模擬操作
確保已經(jīng)配置好appium所依賴的環(huán)境Android和SDK，網(wǎng)上也有許多教程，這里我就不說了。 appium的用法很簡單，首先我們先打開appium，啟動界面如下
?點擊Start Server按鈕即可啟動appium服務(wù)
?將Android手機通過數(shù)據(jù)線與PC相連，同時打開USE調(diào)試功能，可以輸入adb命令（具體可以去網(wǎng)上查找）測試連接情況，若出現(xiàn)以下結(jié)果，則說明連接成功
?model是設(shè)備名，后面配置需要用到。之后點擊下圖箭頭所指的按鈕就會出現(xiàn)一個配置頁面
?在右下角的JSON Representation配置啟動app的Desired Capabilities參數(shù)，分別是paltformName、deviceName、appPackage、appActivity。
platformName:平臺名稱，一般是Android或iOS.
deviceName:設(shè)備名稱，手機的具體類型
appPackage:App程序包名
appActivity:入口Activity名，通常以.開頭
?platformName和deviceName比較容易獲得，而appPackage和appActivity這兩個可以通過以下方法獲取到。 在控制臺上輸入 adb logcat>D:log.log 命令，并且在手機打開抖音app，然后在D盤中打開log.log文件，查找Displayed關(guān)鍵字
?由上圖可以知道Displayed后面的 com.ss.android.ugc.aweme對應(yīng)的是appPackage，.main.MainActivity對應(yīng)的是appActivity，最后我們的配置結(jié)果如下：
{ "platformName": "Android", "deviceName": "Mi_Note_3", "appPackage": "com.ss.android.ugc.aweme", "appActivity": ".main.MainActivity"} 再點擊Start Session即可啟動Android手機上的抖音app并進(jìn)入到啟動頁面，同時PC上會彈出一個調(diào)試窗口，從這個窗口可以預(yù)覽當(dāng)前手機頁面，還可以對手機模擬各種操作，在本文不是重點，所以略過。
在下面我們將使用python腳本來驅(qū)動app，直接在pycharm運行即可
from appium import webdriverfrom time import sleep class Action(): def __init__(self): # 初始化配置，設(shè)置Desired Capabilities參數(shù) self.desired_caps = { "platformName": "Android", "deviceName": "Mi_Note_3", "appPackage": "com.ss.android.ugc.aweme", "appActivity": ".main.MainActivity" } # 指定Appium Server self.server = 'http://localhost:4723/wd/hub' # 新建一個Session self.driver = webdriver.Remote(self.server, self.desired_caps) # 設(shè)置滑動初始坐標(biāo)和滑動距離 self.start_x = 500 self.start_y = 1500 self.distance = 1300 def comments(self): sleep(2) # app開啟之后點擊一次屏幕，確保頁面的展示 self.driver.tap([(500, 1200)], 500) def scroll(self): # 無限滑動 while True: # 模擬滑動 self.driver.swipe(self.start_x, self.start_y, self.start_x, self.start_y-self.distance) # 設(shè)置延時等待 sleep(2) def main(self): self.comments() self.scroll() if __name__ == '__main__': action = Action() action.main()下面是爬蟲的過程。ps:偶爾會爬取到重復(fù)的視頻
原文標(biāo)題：實戰(zhàn)：帶你用Python爬取抖音app視頻
文章出處：【微信公眾號：馬哥Linux運維】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。
聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問題，請聯(lián)系本站處理。
舉報投訴
-
數(shù)據(jù)
+關(guān)注
關(guān)注
8文章
7233瀏覽量
90818 -
APP
+關(guān)注
關(guān)注
33文章
1585瀏覽量
73669 -
python
+關(guān)注
關(guān)注
56文章
4822瀏覽量
85921
原文標(biāo)題：實戰(zhàn)：帶你用Python爬取抖音app視頻
文章出處：【微信號：magedu-Linux，微信公眾號：馬哥Linux運維】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。
發(fā)布評論請先 登錄
相關(guān)推薦
熱點推薦
基于Python3對攜程網(wǎng)頁上北京五星級酒店列表的爬取
Python3 爬取攜程網(wǎng)[1] 根據(jù)好評優(yōu)先順序，獲取北京五星級酒店列表
發(fā)表于 04-19 16:25
基于Python實現(xiàn)一只小爬蟲爬取拉勾網(wǎng)職位信息的方法
通俗易懂的分析如何用Python實現(xiàn)一只小爬蟲，爬取拉勾網(wǎng)的職位信息
發(fā)表于 05-17 06:54
移動抖音卡全新發(fā)布免流量刷抖音你會辦理嗎？
“像一顆海草海草海草海草，隨波飄搖……”每天晚上睡覺前刷刷抖音上班坐在公交車上刷刷抖音閑著沒事總是要刷刷抖
《2018抖音大數(shù)據(jù)報告》見證國民娛樂短視頻APP誕生
2018大數(shù)據(jù)報告》，全方位整理了這款國民娛樂短視頻APP的誕生路徑。**用戶活躍度屢創(chuàng)新高，塑造高粘性使用習(xí)慣**據(jù)官方數(shù)據(jù)顯示，抖音國內(nèi)
抖音對數(shù)據(jù)造假等各類違規(guī)行為進(jìn)行實時攔截
截至2020年8月，包含抖音火山版在內(nèi)，抖音的日活躍用戶已經(jīng)超過了6億。隨著抖音的火爆，相關(guān)第三
抖音官方回應(yīng)上線抖音支付：作為目前若干主要支付方式的補充
據(jù)支付百科消息，抖音支付已在抖音APP內(nèi)正式上線，在抖音
抖音為什么要做支付？移動支付會變天嗎？
有人說，沒有一家中國互聯(lián)網(wǎng)公司，會拒絕金融。 抖音也不例外。 1月19日，抖音App內(nèi)正式上線支付功能，用戶在
Python怎么玩轉(zhuǎn)JS腳本
本項目旨在讓大家了解如何用Python來執(zhí)行JS腳本，其主要目的是在進(jìn)行數(shù)據(jù)
分析時，需要利用爬蟲獲取數(shù)據(jù)，有時會遇到JS混淆加密反爬
Scrapy怎么爬取Python文件
我們介紹了Scrapy框架運行基本原理,緊接著我們介紹了如何利用Scrapy爬取文本數(shù)據(jù)
工商網(wǎng)監(jiān)
評論