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中MYSQLdb出现乱码的解决方法
Oct 11 Python
python SSH模块登录,远程机执行shell命令实例解析
Jan 12 Python
对python实现二维函数高次拟合的示例详解
Dec 29 Python
Python基于matplotlib画箱体图检验异常值操作示例【附xls数据文件下载】
Jan 07 Python
[机器视觉]使用python自动识别验证码详解
May 16 Python
Python格式化字符串f-string概览(小结)
Jun 18 Python
Python3+Requests+Excel完整接口自动化测试框架的实现
Oct 11 Python
Python一行代码解决矩阵旋转的问题
Nov 30 Python
python实现图像拼接功能
Mar 23 Python
pycharm下配置pyqt5的教程(anaconda虚拟环境下+tensorflow)
Mar 25 Python
Python闭包及装饰器运行原理解析
Jun 17 Python
django rest framework 自定义返回方式
Jul 12 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日历[测试通过]
2008/03/27 PHP
php通过正则表达式记取数据来读取xml的方法
2015/03/09 PHP
php 7新特性之类型申明详解
2017/06/06 PHP
PHP+redis实现的悲观锁机制示例
2018/06/12 PHP
Thinkphp5框架中引入Markdown编辑器操作示例
2020/06/03 PHP
2007/12/23更新创意无限,简单实用(javascript log)
2007/12/24 Javascript
node.js中的fs.fchmodSync方法使用说明
2014/12/16 Javascript
在ASP.NET MVC项目中使用RequireJS库的用法示例
2016/02/15 Javascript
javascript数组常用方法汇总
2016/09/10 Javascript
JS+HTML5 FileReader对象用法示例
2017/04/07 Javascript
详解JS中的attribute属性
2017/04/25 Javascript
vue中引用swiper轮播插件的教程详解
2018/08/16 Javascript
如何使用VuePress搭建一个类型element ui文档
2019/02/14 Javascript
JavaScript享元模式原理与用法实例详解
2020/03/09 Javascript
JS猜数字游戏实例讲解
2020/06/30 Javascript
[03:58]兄弟们,回来开黑了!DOTA2昔日战友招募宣传视频
2016/07/17 DOTA
朴素贝叶斯算法的python实现方法
2014/11/18 Python
Python自动连接ssh的方法
2015/03/07 Python
在Linux上安装Python的Flask框架和创建第一个app实例的教程
2015/03/30 Python
Python爬取网页中的图片(搜狗图片)详解
2017/03/23 Python
python实现整数的二进制循环移位
2019/03/08 Python
Python对列表的操作知识点详解
2019/08/20 Python
利用python实现周期财务统计可视化
2019/08/25 Python
浅谈tensorflow使用张量时的一些注意点tf.concat,tf.reshape,tf.stack
2020/06/23 Python
Python Celery异步任务队列使用方法解析
2020/08/10 Python
python实现二分查找算法
2020/09/18 Python
Java的类可以定义为Protected或者Private得吗
2015/09/25 面试题
自动一体化专业求职信
2014/03/15 职场文书
优秀家长事迹材料
2014/05/17 职场文书
光学与应用专业毕业生求职信
2014/09/01 职场文书
2014中学教师节广播稿
2014/09/10 职场文书
ktv服务员岗位职责
2015/02/09 职场文书
北京导游词
2015/02/12 职场文书
《给予树》教学反思
2016/03/03 职场文书
职场领导同事生日简短祝福语
2019/08/06 职场文书
Linux中sftp常用命令整理
2022/06/28 Servers