乐趣区

关于大数据:抖音爬虫教程从0到1获取抖音用户数据

jiezi

抖音爬虫教程，从 0 到 1，获取抖音用户数据

前言

因为最终目标是要抓取抖音视频数据，而通过抓包发现申请抖音的视频数据都须要对应用户的 sec_id，这个加密的 id 的生成过程咱们是不晓得的，然而咱们能够从抖音用户的数据包中看到对应的 sec_id，而且这个加密的 id 不会变的，所以我能够先爬取用户的数据，但通过用户的关注列表以及粉丝列表获取其余用户的 sec_id，晓得了用户的数据，咱们就能够爬取用户的视频数据了。这一篇文章我将介绍抖音用户数据爬取。

一、剖析用户申请包

如果你曾经配置好环境（手机上安装好了抖音 app 并且抓包软件等也都配置好了），就能够开心食用下文，否则请查看 环境配置 而后再持续本文。

1. 剖析用户数据

关上抖音，进入抖音发布者集体页面：（点击右方发布者头像进入发布者集体页面）

这个时候咱们查看 fiddle 抓到的包，咱们发现对应的数据的申请地址都是蕴含“aweme”款式的 url，fiddle 右上角就是咱们的申请数据，右下角就是对应的响应数据：

因为我的爬取思路是依据用户的关注列表爬取关注列表的关注列表，所以我不太关注用户自身的数据，我更感兴趣的是用户的关注列表数据以及粉丝数据，那 怎么看用户的关注列表 呢？

这样咱们就能够看到用户的关注列表了，那么对应的抓包软件抓到的包是什么呢：

从图中咱们能够看到 follower 就是用户的粉丝数据，following 就是用户关注的用户。对应的申请头和响应数据如下图所示：

1.1. 申请头剖析

咱们首先剖析申请数据：

申请数据包含对应的 url（也就是 api)，对应的header 数据，其中 headers 外面有Host、Connection、Cookie、Accept-Encoding、X-SS-QUERIES、X-SS-REQ-TICKET、X-Tt-Token、sdk-version、User-Agent、X-Khronos、X-Gorgon、X-Pods

  • 咱们首先介绍对应的 url
    api = "https://api.amemv.com/aweme/v1/user/follower/list/?" \ # url
          "user_id={}" \   # user_id 能够在用户关注列表中搞到
          "&max_time={}" \ # 以后工夫戳
          "&count=20&offset=0&source_type=1&address_book_access=2&gps_access=2" \ # 不重要
          "&ts={}" \ # 以后工夫戳
          "&js_sdk_version=1.16.3.5&app_type=normal&manifest_version_code=630" \ # 不重要
          "&_rticket={}" \ # 以后工夫戳
          "&ac=wifi&device_id=47012747444&iid=1846815477740845" \ # 不重要
          "&os_version=8.0.0&channel=wandoujia_aweme1&version_code=630" \ # 不重要
          "&device_type=HUAWEI%20NXT-AL10&language=zh&resolution=1080*1812&openudid=b202a24eb8c1538a" \ # 不重要
          "&update_version_code=6302&app_name=aweme&version_name=6.3.0&os_api=26&device_brand=HUAWEI&ssmix=a" \ # 不重要
          "&device_platform=android&dpi=480&aid=1128" \ # 不重要
          "&sec_user_id={}"\  # 加密的 uid 能够在用户关注列表中搞到
          ".format(user_id, max_time, ts, _rticket, sec_user_id)

依据下面的 api，咱们发现 大部分的数据咱们是能够结构的 ，只有user_id 以及加密的 sec_user_id 咱们无奈本人结构，然而咱们能够 通过用户的关注列表 中获取到它关注的所有的用户的 user_id 和 sec_user_id，所以咱们 只须要 晓得一个用户的 user_id 和 sec_user_id，咱们就能够获取和他关联的用户以及和他关联的用户的用户的 user_id 和 sec_user_id。

  • 上面咱们剖析对应的申请头：
Host: api.amemv.com # 对应的 host 不变
Connection: keep-alive # 不变，不重要
Cookie: "cookies"  # 重要，不变，你本人的 cookie，能够在 fiddle 中看到
Accept-Encoding: gzip # 不变
X-SS-REQ-TICKET: 1606999477776 # 以后的工夫戳，咱们能够本人结构
X-Tt-Token:  003ea17385e4...23bbe199e41467-1.0.0 # 你本人的 token，重要，不变，能够在 fiddle 中看到
sdk-version: 1 # 不变
User-Agent: com.ss.a....0.2991.0) # 重要，你本人的 ua，能够在 fiddle 中看到
X-Khronos: 1606999477 # 以后工夫戳
X-Gorgon: 03006cc00000d7464322a76ab998c12eef987b81af552788dabd # 重要，我前面会讲怎么获取
X-Pods: # 不重要，能够不要它

通过剖析申请头，咱们发现大部分数据是不变的，而且咱们都能够通过 Fiddle 取得，惟一不能取得的或者说会产生扭转的是：X-Gorgon，通过反编译抖音 APK，咱们发现它是依据申请的 url 和 cookies 和 token 等 生成的。
这里贴一下对应的申请 X -Gorgon 的代码：
假如咱们曾经晓得了咱们本人的 cookies 和 token 以及咱们申请的 url 那么咱们能够获取到对应的 X -Gorgon：

# 获取以后工夫戳：ts = str(time.time()).split(".")[0]
_rticket = str(time.time() * 1000).split(".")[0]
max_time = ts
user_id = "96244072243"
sec_user_id = "MS4wLjABAAAAtk0pVzYt82o_R5jUjN4FEpRlautyPFGSgioxrH-jfvg"

# 上面填写你本人的 cookies 和 token
cookies = "你本人的 cookies"
token = "你本人的 token"

# 结构申请的 url
url= "https://api.amemv.com/aweme/v1/user/follower/list/?" \
          "user_id={}" \
          "&max_time={}" \
          "&count=20&offset=0&source_type=1&address_book_access=2&gps_access=2" \
          "&ts={}" \
          "&js_sdk_version=1.16.3.5&app_type=normal&manifest_version_code=630" \
          "&_rticket={}" \
          "&ac=wifi&device_id=47012747444&iid=1846815477740845" \
          "&os_version=8.0.0&channel=wandoujia_aweme1&version_code=630" \
          "&device_type=HUAWEI%20NXT-AL10&language=zh&resolution=1080*1812&openudid=b202a24eb8c1538a" \
          "&update_version_code=6302&app_name=aweme&version_name=6.3.0&os_api=26&device_brand=HUAWEI&ssmix=a" \
          "&device_platform=android&dpi=480&aid=1128" \
          "&sec_user_id={}".format(user_id, max_time, ts, _rticket, sec_user_id)
# 发动申请获取 X -Gorgon
headers = {
        "dou-url": url,  # 填写对应的申请的 api
        "dou-cookies": cookies,  # 填写你的 cookies
        "dou-token": token,  # 填写你的 token
        "dou-queries": ""  # 填写你的申请的 queries（没有的话，就填空置：“”）}
    res = requests.get("http://8.131.59.252:8080", headers=headers)
    if res.status_code==200:
        res_gorgon = json.loads(res.text)
        if res_gorgon.get("status") == 0:
            gorgon = res_gorgon.get("X-gorgon")
        else:
            print("param error when get gorgon")
            return
    else:
        print("request error when get gorgon")
        return
    print("gorgon:" + gorgon)  # 这就是你的 gorgon 了
  • 通过获取的 X -Gorgon 发动申请获取响应数据，即用户的关注列表：
# 从新结构申请头：headers = {
        "Host": "api.amemv.com",
        "Connection": "keep-alive",
        "Cookie": cookies, # 你本人的 Cookies
        "Accept-Encoding": "gzip",
        "X-SS-REQ-TICKET": _rticket, # 以后工夫戳，下面的代码片曾经生成了
        "X-Tt-Token": "0095a45e5cc.....c42c97e37d7350",  # 你本人的 token
        "sdk-version": "1",
        "User-Agent": "你本人的 user-agent", 
        "X-Khronos": ts, # 以后工夫戳，下面的代码片曾经生成了
        "X-Gorgon": gorgon # X-gorgon，下面的代码片曾经生成了
    }

# 发动申请
result = doGetGzip(url, headers) # 这是我本人写的函数，在上面的代码片中
print(result)
  • doGetGzip 函数
def doGetGzip(url, headers):

    req = request.Request(url)

    for key in headers:
        req.add_header(key, headers[key])
    with request.urlopen(req) as f:
        data = f.read()
        return gzip.decompress(data).decode()

2. 剖析响应数据获取用户数据

2.1. 响应数据格式：

响应的数据的格局是 json 的，所以个别咱们都将响应的数据转换成 json 进行解决，通过 fiddle 抓包咱们能够看到响应数据次要包含上面几个局部，而关注的用户的信息都在“followers”外面。其余的字段次要用于翻页，因为一次申请只返回 20 条数据，响应数据的其余字段：has_more 示意的是是不是有更的数据，max_time 就是下一页数据的游标，咱们次要关注 follower 里的数据。

上面咱们能够看到 followers 外面有 20 条数据，每一条数据外面就是一个用户的信息

上面就是具体的每一个用户的字段：

用户字段有很多，大多数对我来说都没有用，我只关注 user_id 和 对应的 sec_uid，当然如果能够看本人的需要获取更多的数据，从上图咱们发现咱们能够获取到，因而我的目标就达到了，这样我就能够把它们存下来，上面再通过它俩申请这个用户关注的用户的这两个信息，下一篇文章我将次要介绍一下如何爬取视频信息。

以上就是获取抖音用户的全部内容了，前面我会具体解说怎么抓取视频数据等，码字不易，还请点赞关注，有任何问题请留言。

——————————————————————————————————————————

TiToData：业余的短视频、直播数据接口服务平台。
更多信息请分割：TiToData

笼罩支流平台：抖音，快手，小红书，TikTok，YouTube

退出移动版