目录
【爬虫软件】批量采集抖音主页所有已发布作品
马哥小迷弟132
2024年06月12日 10:09
收录于文集
共19篇

一、背景介绍

1.1 爬取目标

爬取目标-抖音

做自媒体多了，往往会找到一些技巧，不知道发布什么内容的时候，可以参考同行爆火的视频，大大节省自己的创作选题。所以及时了解头部同行的作品数据变得尤其重要！

基于此目的，我用python开发了一个抖音爬虫采集软件，可自动按博主抓取其已发布视频数据。

为什么有了源码还开发界面软件呢？方便不懂编程代码的小白用户使用，无需安装python，无需改代码，双击打开即用！

软件界面截图：

爬取结果截图：

以上。

1.2 演示视频

软件使用演示：

04:32
【爬虫软件】抖音主页已发布作品批量采集,含:作者昵称,uid,sec_uid,作者链接,粉丝数,视频标题,视频标签,视频链接,发布时间,是否置顶,转评赞藏等
4776
2

1.3 软件说明

几点重要说明：

重要说明！

以上。

二、代码讲解

2.1 爬虫采集模块

首先，定义接口地址作为请求地址：

代码块
Python
自动换行
复制代码
# 请求地址
url = 'https://www.douyin.com/aweme/v1/web/aweme/post/'
复制成功

定义一个请求头，用于伪造浏览器：

代码块
Python
自动换行
复制代码
# 请求头
h1 = {
 "Accept": "application/json, text/plain, */*",
 "Accept-Encoding": "gzip, deflate",
 "Accept-Language": "zh-CN,zh;q=0.9",
 "Cookie": self.cookie_val,
 "Priority": "u=1, i",
 "Referer": "https://www.douyin.com/user/{}?vid=7325137998331399435".format(user_id),
 "Sec-Ch-Ua": '"Not_A Brand";v="8", "Chromium";v="120", "Google Chrome";v="120"',
 "Sec-Ch-Ua-Mobile": "?0",
 "Sec-Ch-Ua-Platform": "macOS",
 "Sec-Fetch-Dest": "empty",
 "Sec-Fetch-Mode": "cors",
 "Sec-Fetch-Site": "same-origin",
 "User-Agent": ua,
}
复制成功

说明一下，cookie是个关键参数。

其中，cookie的获取方法，如下：

这个值非常重要，软件界面需要填写！！

加上请求参数，告诉程序你的爬取条件是什么：

代码块
Python
自动换行
复制代码
# 请求参数
params = {
 "device_platform": "webapp",
 "aid": "6383",
 "channel": "channel_pc_web",
 "sec_user_id": user_id,
 "max_cursor": max_cursor,
 "locate_item_id": "7325137998331399435",
 "locate_query": "false",
 "show_live_replay_strategy": "1",
 "need_time_list": "0",
 "time_list_query": "0",
 "whale_cut_token": "",
 "cut_version": "1",
 "count": 10,
 "publish_video_strategy_type": "2",
 "pc_client_type": "1",
 "version_code": "170400",
 "version_name": "17.4.0",
 "cookie_enabled": "true",
 "screen_width": "1440",
 "screen_height": "900", "browser_language": "zh-CN",
 "browser_platform": "MacIntel",
 "browser_name": "Chrome",
 "browser_version": "120.0.0.0",
 "browser_online": "true",
 "engine_name": "Blink",
 "engine_version": "120.0.0.0",
 "os_name": "Mac OS",
 "os_version": "10.15.7",
 "cpu_core_num": "4",
 "device_memory": "8",
 "platform": "PC",
 "downlink": "1.35",
 "effective_type": "3g",
 "round_trip_time": "550",
 "webid": "7312681406147921448",
 "msToken": "Bjgl7yWKL7c57PFiwM6V4UWZ54Lm_eh4gjFdyOkX4xV93SpMHyyPMdO1u9j_OvsvgjtNNQFhaK9rWs2G8o7had3VtbDQuuaA41G3yFif70ssE_5ZnqQ6rg",
}
复制成功

下面就是发送请求和接收数据：

代码块
Python
自动换行
复制代码
# 发送请求
r = requests.get(url, headers=h1, params=params)
print(r.status_code)
# 以json格式接收返回数据
json_data = r.json()
复制成功

定义一些空列表，用于存放解析后字段数据：

代码块
Python
自动换行
复制代码
# 定义空列表
title_list = []  # 视频标题
tag_list = []  # 视频标签
link_list = []  # 视频链接
author_name_list = []  # 作者昵称
uid_list = []  # uid
sec_uid_list = []  # sec_uid
author_link_list = []  # 作者链接
follower_count_list = []  # 作者粉丝数
create_time_list = []  # 发布时间
is_top_list = []  # 是否置顶
like_count_list = []  # 点赞数
comment_count_list = []  # 评论数
collect_count_list = []  # 收藏数
share_count_list = []  # 转发数
复制成功

循环解析字段数据，以"视频标题"为例：

代码块
Python
自动换行
复制代码
for v in video_list: # 视频标题 title = v['desc'] self.tk_show('视频标题:' + title) title_list.append(title)
复制成功

其他字段同理，不再赘述。

最后，是把数据保存到csv文件：

代码块
Python
自动换行
复制代码
# 保存数据到DF
df = pd.DataFrame(
 {
 '页码': page,
 '作者昵称': author_name_list,
 'uid': uid_list,
 'sec_uid': sec_uid_list,
 '作者链接': author_link_list,
 '作者粉丝数': follower_count_list,
 '视频标题': title_list,
 '视频标签': tag_list,
 '视频链接': link_list,
 '发布时间': create_time_list,
 '是否置顶': is_top_list,
 '点赞数': like_count_list,
 '评论数': comment_count_list,
 '收藏数': collect_count_list,
 '转发数': share_count_list,
 }
)
if os.path.exists(self.result_file):  # 如果文件存在，不再设置表头
 header = False
else:  # 否则，设置csv文件表头
 header = True
df.to_csv(self.result_file, mode='a+', index=False, header=header, encoding='utf_8_sig')
self.tk_show('保存csv文件成功：' + self.result_file)
复制成功

完整代码中，还含有：判断循环结束条件、js逆向参数、时间戳转换、判断置顶视频等关键实现逻辑。

2.2 软件界面模块

主窗口部分：

代码块
Python
自动换行
复制代码
# 创建主窗口
root = tk.Tk()
root.title('抖音博主视频采集软件v1.1 | 马哥python说 |')
# 设置窗口大小
root.minsize(width=850, height=650)
复制成功

输入控件部分：

代码块
Python
自动换行
复制代码
# 用户链接
tk.Label(root, justify='left', text='用户链接:').place(x=30, y=125)
entry_nt = tk.Text(root, bg='#ffffff', width=110, height=14, )
entry_nt.place(x=30, y=150, anchor='nw')  # 摆放位置
复制成功

底部版权部分：

代码块
Python
自动换行
复制代码
# 版权信息
copyright = tk.Label(root, text='@马哥python说 All rights reserved.', font=('仿宋', 10), fg='grey')
copyright.place(x=290, y=625)
复制成功

以上。

2.3 日志模块

好的日志功能，方便软件运行出问题后快速定位原因，修复bug。

核心代码：

代码块
Python
自动换行
复制代码
def get_logger(self):
 self.logger = logging.getLogger(__name__)
 # 日志格式
 formatter = '[%(asctime)s-%(filename)s][%(funcName)s-%(lineno)d]--%(message)s'
 # 日志级别
 self.logger.setLevel(logging.DEBUG)
 # 控制台日志
 sh = logging.StreamHandler()
 log_formatter = logging.Formatter(formatter, datefmt='%Y-%m-%d %H:%M:%S')
 # info日志文件名
 info_file_name = time.strftime("%Y-%m-%d") + '.log'
 # 将其保存到特定目录，ap方法就是寻找项目根目录，该方法博主前期已经写好。
 case_dir = r'./logs/'
 info_handler = TimedRotatingFileHandler(filename=case_dir + info_file_name,
 when='MIDNIGHT',
 interval=1,
 backupCount=7,
 encoding='utf-8')
复制成功

日志文件截图：

以上。

三、获取采集软件

爱学习的小伙伴，采集软件我已打包好，并上传至我的微信公众号"老男孩的平凡之路"，后台回复"爬抖音博主"即可获取。

我是一名10年程序猿，持续分享Python干货中！

抖音采集 抖音爬虫 采集抖音 抖音数据采集 抖音对标账号 抖音主页监测
本文为我原创，未经授权禁止转载
cv35325692