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中二维列表如何获取子区域元素的组成
Jan 19 Python
Python之Scrapy爬虫框架安装及简单使用详解
Dec 22 Python
Python线性方程组求解运算示例
Jan 17 Python
python使用pycharm环境调用opencv库
Feb 11 Python
python3 unicode列表转换为中文的实例
Oct 26 Python
PyCharm使用之配置SSH Interpreter的方法步骤
Dec 26 Python
Python的pygame安装教程详解
Feb 10 Python
django实现模板中的字符串文字和自动转义
Mar 31 Python
Pygame Time时间控制的具体使用详解
Nov 17 Python
利用Python实现Picgo图床工具
Nov 23 Python
Python中的datetime包与time包包和模块详情
Feb 28 Python
Python 的演示平台支持 WSGI 接口的应用
Apr 20 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编码转换
2012/11/05 PHP
thinkphp 验证码 的使用小结
2017/05/07 PHP
添加到收藏夹代码(兼容几乎所有的浏览器)
2007/01/09 Javascript
jquery 学习之二 属性 文本与值(text,val)
2010/11/25 Javascript
JQuery 选择器、过滤器介绍
2011/02/14 Javascript
关于html+ashx开发中几个问题的解决方法
2011/07/18 Javascript
jQuery中filter()和find()的区别深入了解
2013/09/25 Javascript
javascript数组操作(创建、元素删除、数组的拷贝)
2014/04/07 Javascript
javascript弹出窗口实现代码
2015/11/12 Javascript
详解jquery事件delegate()的使用方法
2016/01/25 Javascript
javascript中利用柯里化函数实现bind方法
2016/04/29 Javascript
原生JS改变透明度实现轮播效果
2017/03/24 Javascript
js构造函数constructor和原型prototype原理与用法实例分析
2020/03/02 Javascript
Node.js 中判断一个文件是否存在
2020/08/24 Javascript
原生js实现下拉框选择组件
2021/01/20 Javascript
[06:40]2014DOTA2西雅图国际邀请赛 DK战队巡礼
2014/07/07 DOTA
零基础写python爬虫之urllib2中的两个重要概念:Openers和Handlers
2014/11/05 Python
python 对给定可迭代集合统计出现频率,并排序的方法
2018/10/18 Python
详解python内置模块urllib
2020/09/09 Python
几个解决兼容IE6\7\8不支持html5标签的几个方法
2013/01/07 HTML / CSS
伦敦香水公司:The London Perfume Company
2019/11/13 全球购物
C#面试题
2016/05/06 面试题
2014新年寄语
2014/01/20 职场文书
《宋庆龄故居的樟树》教学反思
2014/04/07 职场文书
幼儿园课题方案
2014/06/09 职场文书
土建专业毕业生自荐书
2014/07/04 职场文书
暑期社会实践心得体会
2014/09/02 职场文书
街道社区活动报告
2015/02/05 职场文书
明确岗位职责
2015/02/14 职场文书
幼儿园2015年度工作总结
2015/04/01 职场文书
介绍信格式样本
2015/05/05 职场文书
经典爱情感言
2015/08/03 职场文书
同学聚会祝酒词
2015/08/10 职场文书
厉行节约工作总结
2015/08/12 职场文书
2016年6月份红领巾广播稿
2015/12/21 职场文书
为什么中国式养孩子很累?
2019/08/07 职场文书