关于大数据:抖音爬虫教程简单采集数据菜鸟必看

66次阅读

共计 3174 个字符,预计需要花费 8 分钟才能阅读完成。

抖音 App 和服务端交互应用的是 HTTPS 协定,应用 Fiddler 很容易能够捕捉到数据,如下图所示。

不过想要本人模仿一个无效的申请可不是那么容易了,因为它应用了签名机制,在所有申请中都有 as 和 cp 两个签名参数,除非得悉签名算法否则咱们无奈结构出无效的申请。
这里咱们应用模仿操作抖音 App 的形式,让 App 帮咱们收回无效的申请,而后咱们拦挡服务器的 HTTP 应答数据,再从中提取咱们感兴趣的信息。
上面联合一个理论的案例介绍下整个过程,依据客户的需要,要采集一些指定用户加关后的零碎举荐“你可能感兴趣”的数据(如下图所示)用于商品营销。

点击“查看更多”能够看到更多的零碎举荐用户列表数据,如下图所示。

咱们按如下步骤模仿操作 App:
1. 启动抖音。
2. 点击搜寻按钮。
3. 输出搜寻关键词(抖音用户 ID),点击搜寻。
4. 找到匹配的用户,点击关注。
5. 点击零碎举荐“查看更多”,模仿屡次向上滑动屏幕,直至数据加载结束(屏幕呈现“临时没有更多了”)。
于此同时,咱们应用抓包脚本(能够应用 Fiddler 的 Customize Rules,也能够应用 Mitmproxy),捕捉并过滤 URL 中含有 /user/recommend/ 的 HTTP 应答数据,从 JSON 数据中提取零碎举荐的用户信息(如下图所示)。
模仿操作抖音 App 的脚本外围代码如下所示:
view plaincopy to clipboardprint?

from com.dtmilano.android.viewclient import ViewClient


def search_douyin_for_recommend_user(douyin_id):


# 采集指定抖音账号的关注举荐数据


# 连设施
serialno = None
if serialno:
    os.system('adbconnect{}'.format(serialno or ''))
    time.sleep(3)
    device, serialno = ViewClient.connectToDeviceOrExit(serialno=serialno)
    vc = ViewClient(device, serialno, autodump=False)

    # 强制敞开抖音  
    log(u'强制敞开抖音.')
    device.shell('am force-stop com.ss.android.ugc.aweme')
    time.sleep(2)

    # 启动抖音  
    log(u'启动抖音.')
    device.shell('am start -n com.ss.android.ugc.aweme/.main.MainActivity')
    time.sleep(5)
    # 暂停视频播放  
    log(u'点击屏幕,暂停视频播放.')
    device.touch(514, 1048)

    # 点击搜寻按钮  
    vc.dump()
    search_btn = vc.findViewById('com.ss.android.ugc.aweme:id/amj')
    if search_btn:
        log(u'点击搜寻按钮,跳转到搜寻页面.')
        search_btn.touch()

        vc.dump()
        # 点击搜寻输入框  
        search_input = vc.findViewById('com.ss.android.ugc.aweme:id/ad_')
        if search_input:
            log(u'点击搜寻框,筹备输出关键词.')
            search_input.touch()

            # 输出抖音 ID  
            log(u'输出搜寻关键词: {}.'.format(douyin_id))
            device.type(douyin_id.encode('UTF-8'))

            # 点击搜寻按钮  
            search_btn = vc.findViewById('com.ss.android.ugc.aweme:id/cp8')
            if search_btn:
                log(u'提交搜寻.')
                search_btn.touch()
                time.sleep(2)
                vc.dump()

                ## 切换到用户  
                # user_tab = vc.findViewWithText(u'用户')  
                # user_tab.touch()  

                # 找到匹配的  
                matches = []


                def find_matches(view):
                    if view.getClass() == 'android.widget.TextView':
                        text = view.getText()
                        if douyin_id.lower() in text.lower():
                            # 找到匹配的了  
                            log(u'找到匹配的: {}'.format(text))
                            matches.append(view)
                        else:
                            # print text  
                            pass


                vc.traverse(transform=lambda view: find_matches(view))
                if matches:
                    # 有没有已关注按钮  
                    btn = vc.findViewWithText(u'已关注')
                    if btn:
                        # 先勾销关注  
                        log(u'之前关注过,先勾销关注.')
                        btn.touch()
                        time.sleep(1)
                    user_matched = matches[0]
                    log(u'点击进入个人主页.')
                    user_matched.touch()
                    time.sleep(1)

                    # 点关注  
                    vc.dump()
                    follow_btn = vc.findViewById('com.ss.android.ugc.aweme:id/aei')
                    if follow_btn:
                        # 点击关注  
                        log(u'点击关注')
                        follow_btn.touch()
                        time.sleep(1)
                        # 点击查看更多  
                        vc.dump()
                        viewmore_btn = vc.findViewById('com.ss.android.ugc.aweme:id/bqn')
                        if viewmore_btn:
                            # 点击查看更多  
                            log(u'点击查看更多零碎举荐')
                            viewmore_btn.touch()
                            time.sleep(1)
                            i = 0
                            while True:
                                # 上滑动  
                                device.drag((345, 1762), (345, 550), duration=100)
                                log(u'上滑以加载更多')
                                i += 1
                                if i % 5 == 0:
                                    # 拖动 10 次判断一下是否还有更多  
                                    vc.dump()
                                    if vc.findViewWithText(u'临时没有更多了'):
                                        log(u'临时没有更多了,"{}"的关注举荐数据采集结束.'.format(douyin_id))
                                        # 采集胜利了  
                                        return True
                                    failed_tip = vc.findViewWithText(u'加载失败,点击重试')
                                    if failed_tip:
                                        log(u'加载失败, 点击重试.')
                                        failed_tip.touch()
                        else:
                            # 没有找到查看更多按钮  
                            log(u'没有找到查看更多按钮')
                    else:
                        # 没有找到加关注按钮  
                        log(u'没有找到加关注按钮')
                else:
                    # 没有找到匹配的用户  
                    log(u'没有找到匹配的用户')
            else:
                # 没有找到搜寻提交按钮  
                log(u'没有找到搜寻提交按钮.')
        else:
            # 没有找到搜寻输入框  
            log(u'没有找到搜寻输入框.')
    else:
        # 没有找到搜寻按钮  
        log(u'没有找到搜寻按钮.')

上述脚本的运行截图如下所示:

最初附上抓取到的局部示例数据:

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

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

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

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

正文完
 0