怎么使用Python爬取抖音APP视频
导读:本文共3808字符,通常情况下阅读需要13分钟。同时您也可以点击右侧朗读,来听本文内容。按键盘←(左) →(右) 方向键可以翻页。
摘要: 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:pycharmapp抓包工具:mitmproxyapp自动化工具:appium运行环境:windows10假设已经配置好我们所需要的工具使用mitmproxy对手机app抓包获取我们想要的内容利用appium自动化测试工具,驱动app模拟人的动作(滑动、点击等)将1和2相结合达到自... ...
目录
(为您整理了一些要点),点击可以直达。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
假设已经配置好我们所需要的工具
使用mitmproxy对手机app抓包获取我们想要的内容
利用appium自动化测试工具,驱动app模拟人的动作(滑动、点击等)
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:
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。
importrequests#文件路径path='D:/video/'num=1788defresponse(flow):globalnum#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/']forurlintarget_urls:#过滤掉不需要的urlifflow.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withopen(filename,'ab')asf: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:
点击Start Server按钮即可启动appium服务。
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。
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。
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
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。
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。
在下面我们将使用python脚本来驱动app,直接在pycharm运行即可。
fromappiumimportwebdriverfromtimeimportsleepclassAction():def__init__(self):#初始化配置,设置DesiredCapabilities参数self.desired_caps={"platformName":"Android","deviceName":"Mi_Note_3","appPackage":"com.ss.android.ugc.aweme","appActivity":".main.MainActivity"}#指定AppiumServerself.server='http://localhost:4723/wd/hub'#新建一个Sessionself.driver=webdriver.Remote(self.server,self.desired_caps)#设置滑动初始坐标和滑动距离self.start_x=500self.start_y=1500self.distance=1300defcomments(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)defscroll(self):#无限滑动whileTrue:#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)defmain(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。
</div> <div class="zixun-tj-product adv-bottom"></div> </div> </div> <div class="prve-next-news">
怎么使用Python爬取抖音APP视频的详细内容,希望对您有所帮助,信息来源于网络。