使用python爬取抖音app视频的实例代码


Posted in Python onDecember 01, 2020

记录一下如何用python爬取app数据,本文以爬取抖音视频app为例。

编程工具:pycharm

app抓包工具:mitmproxy

app自动化工具:appium

运行环境:windows10

思路:

假设已经配置好我们所需要的工具

1、使用mitmproxy对手机app抓包获取我们想要的内容

2、利用appium自动化测试工具,驱动app模拟人的动作(滑动、点击等)

3、将1和2相结合达到自动化爬虫的效果

一、mitmproxy/mitmdump抓包

确保已经安装好了mitmproxy,并且手机和PC处于同一个局域网下,同时也配置好了mitmproxy的CA证书,网上有很多相关的配置教程,这里我就略过了。

因为mitmproxy不支持windows系统,所以这里用的是它的组件之一mitmdump,它是mitmproxy的命令行接口,可以利用它对接我们的Python脚本,用Python实现监听后的处理。

在配置好mitmproxy之后,在控制台上输入mitmdump并在手机上打开抖音app,mitmdump会呈现手机上的所有请求,如下图

使用python爬取抖音app视频的实例代码

可以在抖音app一直往下滑,看mitmdump所展示的请求,会发现前缀分别为

http://v1-dy.ixigua.com/;http://v3-dy.ixigua.com/;http://v9-dy.ixigua.com/

这3个类型前缀的url正是我们的目标抖音视频url。

那接下来就要编写python脚本将视频下载下来,需要使用 mitmdump -s scripts.py(此处为python文件名)来执行脚本。

import requests
# 文件路径
path = 'D:/video/'
num = 1788
 
 
def response(flow):
 global num
 # 经测试发现视频url前缀主要是3个
 target_urls = ['http://v1-dy.ixigua.com/', 'http://v9-dy.ixigua.com/',
     'http://v3-dy.ixigua.com/']
 for url in target_urls:
  # 过滤掉不需要的url
  if flow.request.url.startswith(url):
   # 设置视频名
   filename = path + str(num) + '.mp4'
   # 使用request获取视频url的内容
   # stream=True作用是推迟下载响应体直到访问Response.content属性
   res = requests.get(flow.request.url, stream=True)
   # 将视频写入文件夹
   with open(filename, 'ab') as f:
    f.write(res.content)
    f.flush()
    print(filename + '下载完成')
   num += 1

代码写得比较粗糙,不过基本的逻辑还是比较清晰的,这样我们就可以把抖音的视频下载下来,不过这个方法有个缺陷,就是获取视频需要人来不断地滑动抖音的下一个视频,这时候我们可以用一个强大的appium自动化测试工具来解决。

二、Appium对手机进行模拟操作

确保已经配置好appium所依赖的环境Android和SDK,网上也有许多教程,这里我就不说了。

appium的用法很简单,首先我们先打开appium,启动界面如下

使用python爬取抖音app视频的实例代码

点击Start Server按钮即可启动appium服务

使用python爬取抖音app视频的实例代码

将Android手机通过数据线与PC相连,同时打开USB调试功能,可以输入adb命令(具体可以去网上查找)测试连接情况,若出现以下结果,则说明连接成功

使用python爬取抖音app视频的实例代码

model是设备名,后面配置需要用到。之后点击下图箭头所指的按钮就会出现一个配置页面

使用python爬取抖音app视频的实例代码使用python爬取抖音app视频的实例代码

在右下角的JSON Representation配置启动app的Desired Capabilities参数,分别是paltformName、deviceName、appPackage、appActivity。

platformName:平台名称,一般是Android或iOS.

deviceName:设备名称,手机的具体类型

appPackage:App程序包名

appActivity:入口Activity名,通常以.开头

使用python爬取抖音app视频的实例代码

platformName和deviceName比较容易获得,而appPackage和appActivity这两个可以通过以下方法获取到。

在控制台上输入   adb logcat>D:\log.log  命令,并且在手机打开抖音app,然后在D盘中打开log.log文件,查找Displayed关键字

使用python爬取抖音app视频的实例代码

由上图可以知道Displayed后面的 com.ss.android.ugc.aweme对应的是appPackage,.main.MainActivity对应的是appActivity,最后我们的配置结果如下:

{
 "platformName": "Android",
 "deviceName": "Mi_Note_3",
 "appPackage": "com.ss.android.ugc.aweme",
 "appActivity": ".main.MainActivity"
}

再点击Start Session即可启动Android手机上的抖音app并进入到启动页面,同时PC上会弹出一个调试窗口,从这个窗口可以预览当前手机页面,还可以对手机模拟各种操作,在本文不是重点,所以略过。

使用python爬取抖音app视频的实例代码

在下面我们将使用python脚本来驱动app,直接在pycharm运行即可

from appium import webdriver
from time import sleep
 
 
class Action():
 def __init__(self):
  # 初始化配置,设置Desired Capabilities参数
  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'
  # 新建一个Session
  self.driver = webdriver.Remote(self.server, self.desired_caps)
  # 设置滑动初始坐标和滑动距离
  self.start_x = 500
  self.start_y = 1500
  self.distance = 1300
 
 def comments(self):
  sleep(2)
  # app开启之后点击一次屏幕,确保页面的展示
  self.driver.tap([(500, 1200)], 500)
 
 def scroll(self):
  # 无限滑动
  while True:
   # 模拟滑动
   self.driver.swipe(self.start_x, self.start_y, self.start_x, 
        self.start_y-self.distance)
   # 设置延时等待
   sleep(2)
 
 def main(self):
  self.comments()
  self.scroll()
 
 
if __name__ == '__main__':
 
 action = Action()
 action.main()

下面是爬虫的过程。ps:偶尔会爬取到重复的视频

使用python爬取抖音app视频的实例代码

使用python爬取抖音app视频的实例代码

到此这篇关于使用python爬取抖音app视频的文章就介绍到这了,更多相关python爬取抖音app视频内容请搜索三水点靠木以前的文章或继续浏览下面的相关文章希望大家以后多多支持三水点靠木!

Python 相关文章推荐
Python写的创建文件夹自定义函数mkdir()
Aug 25 Python
python实现在windows下操作word的方法
Apr 28 Python
详解Python中如何写控制台进度条的整理
Mar 07 Python
搞定这套Python爬虫面试题(面试会so easy)
Apr 03 Python
django fernet fields字段加密实践详解
Aug 12 Python
python socket 聊天室实例代码详解
Nov 14 Python
python 的numpy库中的mean()函数用法介绍
Mar 03 Python
Django models filter筛选条件详解
Mar 16 Python
python中id函数运行方式
Jul 03 Python
python3让print输出不换行的方法
Aug 24 Python
如何通过python计算圆周率PI
Nov 11 Python
matplotlib对象拾取事件处理的实现
Jan 14 Python
基于Python实现粒子滤波效果
Dec 01 #Python
Django集成MongoDB实现过程解析
Dec 01 #Python
基于Django快速集成Echarts代码示例
Dec 01 #Python
Python更改pip镜像源的方法示例
Dec 01 #Python
Python读取图像并显示灰度图的实现
Dec 01 #Python
Python性能测试工具Locust安装及使用
Dec 01 #Python
python爬虫中抓取指数的实例讲解
Dec 01 #Python
You might like
国王的咖啡这么大来头,名字的由来是什么
2021/03/03 咖啡文化
我用php+mysql写的留言本
2006/10/09 PHP
ThinkPHP的SAE开发相关注意事项详解
2016/10/09 PHP
php 中self,this的区别和操作方法实例分析
2019/11/04 PHP
自己开发Dojo的建议框架
2008/09/24 Javascript
基于jquery的获取mouse坐标插件的实现代码
2010/04/01 Javascript
jQuery插件pagination实现分页特效
2015/04/12 Javascript
jQuery控制Div拖拽效果完整实例分析
2015/04/15 Javascript
jQuery插件开发精品教程(让你的jQuery更上一个台阶)
2015/11/07 Javascript
js实现楼层效果的简单实例
2016/07/15 Javascript
前端实现文件的断点续传(前端文件提交+后端PHP文件接收)
2016/11/04 Javascript
js实现显示手机号码效果
2017/03/09 Javascript
Angular动态添加、删除输入框并计算值实例代码
2017/03/29 Javascript
Vue自定义事件(详解)
2017/08/19 Javascript
元素全屏的设置与监听实例
2017/11/28 Javascript
vuejs点击class变化的实例
2018/09/05 Javascript
在微信小程序中使用vant的方法
2019/06/07 Javascript
vue中uni-app 实现小程序登录注册功能
2019/10/12 Javascript
使用zrender.js绘制体温单效果
2019/10/31 Javascript
Python3 中文文件读写方法
2018/01/23 Python
基于windows下pip安装python模块时报错总结
2018/06/12 Python
python判断设备是否联网的方法
2018/06/29 Python
想学python 这5本书籍你必看!
2018/12/11 Python
python json 递归打印所有json子节点信息的例子
2020/02/27 Python
利用 PyCharm 实现本地代码和远端的实时同步功能
2020/03/23 Python
详解CSS3 弹性布局快速入门
2019/06/06 HTML / CSS
深入浅析CSS3中的Flex布局整理
2020/04/27 HTML / CSS
请写出 BOOL flag 与"零值"比较的 if 语句
2016/02/29 面试题
我有一个梦想演讲稿
2014/05/05 职场文书
校长师德师风自我剖析材料
2014/09/29 职场文书
担保书范文
2015/01/20 职场文书
2015年世界粮食日演讲稿
2015/03/20 职场文书
班干部竞选演讲稿(精选5篇)
2019/09/24 职场文书
如何用python识别滑块验证码中的缺口
2021/04/01 Python
基于Redis位图实现用户签到功能
2021/05/08 Redis
浅谈css清除浮动(clearfix和clear)的用法
2023/05/21 HTML / CSS