怎么使用Python爬取抖音APP视频(python,编程语言)

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。