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操作SQLite简明教程
Jul 10 Python
Python3.6简单操作Mysql数据库
Sep 12 Python
Python 记录日志的灵活性和可配置性介绍
Feb 27 Python
Python基础之条件控制操作示例【if语句】
Mar 23 Python
Python的log日志功能及设置方法
Jul 11 Python
pytorch多GPU并行运算的实现
Sep 27 Python
python装饰器原理与用法深入详解
Dec 19 Python
TensorFlow实现保存训练模型为pd文件并恢复
Feb 06 Python
使用Python+selenium实现第一个自动化测试脚本
Mar 17 Python
python要安装在哪个盘
Jun 15 Python
Python实现JS解密并爬取某音漫客网站
Oct 23 Python
scrapy头部修改的方法详解
Dec 06 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
PHP语法速查表
2007/01/02 PHP
php 过滤器实现代码
2010/08/09 PHP
php visitFile()遍历指定文件夹函数
2010/08/21 PHP
PHP开发的一些注意点总结
2010/10/12 PHP
ThinkPHP入口文件设置及相关注意事项分析
2014/12/05 PHP
PHP获取数组的键与值方法小结
2015/06/13 PHP
thinkPHP3.2.2框架行为扩展及demo示例
2018/06/19 PHP
laravel框架使用FormRequest进行表单验证,验证异常返回JSON操作示例
2020/02/18 PHP
showModalDialog 和 showModelessDialog
2007/01/22 Javascript
javascript面向对象之Javascript 继承
2010/05/04 Javascript
javascript里模拟sleep(两种实现方式)
2013/01/25 Javascript
JQuery+DIV自定义滚动条样式的具体实现
2013/06/25 Javascript
js实现动态改变字体大小代码
2014/01/02 Javascript
jquery序列化form表单使用ajax提交后处理返回的json数据
2014/03/03 Javascript
JQuery中基础过滤选择器用法实例分析
2015/05/18 Javascript
基于Angularjs实现分页功能
2016/05/30 Javascript
vue 和vue-touch 实现移动端左右导航效果(仿京东移动站导航)
2017/04/22 Javascript
JS使用setInterval实现的简单计时器功能示例
2018/04/19 Javascript
django使用channels2.x实现实时通讯
2018/11/28 Javascript
在Vue项目中,防止页面被缩放和放大示例
2019/10/28 Javascript
Vue的双向数据绑定实现原理解析
2020/02/17 Javascript
VueX模块的具体使用(小白教程)
2020/06/05 Javascript
在python中list作函数形参,防止被实参修改的实现方法
2020/06/05 Python
pytorch判断是否cuda 判断变量类型方式
2020/06/23 Python
日本动漫周边服饰销售网站:Atsuko
2019/12/16 全球购物
linux面试题参考答案(5)
2016/11/05 面试题
优秀演讲稿范文
2013/12/29 职场文书
大学生蛋糕店创业计划书
2014/01/13 职场文书
物业保安员岗位职责制度
2014/01/30 职场文书
简历的自我评价
2014/02/03 职场文书
文化建设工作方案
2014/05/12 职场文书
毕业论文答辩开场白和答辩技巧
2015/05/27 职场文书
红十字会救护培训简讯
2015/07/20 职场文书
Java SSH 秘钥连接mysql数据库的方法
2021/06/28 Java/Android
Python OpenGL基本配置方式
2022/05/20 Python
Python+SeaTable实现计算两个日期间的工作日天数
2022/07/07 Python