使用python爬蟲,批量爬取抖音app視頻（requests+Fiddler+appium）

抖音很火，樓主使用python隨機爬取抖音視頻，並且無水印下載，人家都說天下沒有爬不到的數據，so，樓主決定試試水，純屬技術愛好，分享給大家。。

1.樓主首先使用Fiddler4來抓取手機抖音app這個包，具體配置的操作，網上有很多教程供大家參考。

上面得出抖音的視頻的url，這些url均能在網頁中打開，樓主數了數，這些url的前綴有些不同，一共有這4種類型：

v1-dy.ixigua.com

v3-dy.ixigua.com

v6-dy.ixigua.com

v9-dy.ixigua.com

 樓主查看這四種類型得知，v6-dy.ixigua.com 這個前綴后面的參數其中有一個是Expires（中文含義過期的意思）

Expires=1536737310，這個是時間戳，標記的是過期的時間如下圖所示，過了15:28分30秒，則表示url不能使用，樓主算了一下，url有效期是一個小時。

看到這些url，樓主不能手動一個一個粘貼，so樓主需要在+Fiddler4中（在Fiddler4使用script代碼網上有大量詳細教程）使用如下代碼，自動保存到一個txt文檔中。

 

 

        //保存到本地添加開始
        
        //這是抖音的地址||"v1-dy.ixigua.com"||"v3-dy.ixigua.com"||"v6-dy.ixigua.com"||"v9-dy.ixigua.com"||
        if (oSession.fullUrl.Contains("v1-dy.ixigua.com")||
            oSession.fullUrl.Contains("v3-dy.ixigua.com")||
            oSession.fullUrl.Contains("v6-dy.ixigua.com")||
            oSession.fullUrl.Contains("v9-dy.ixigua.com")){
            
            var fso;
            var file;
            fso = new ActiveXObject("Scripting.FileSystemObject");
            //文件保存路徑，可自定義
            file = fso.OpenTextFile("H:\\Request.txt",8 ,true);
            //file.writeLine("Request-url:" + oSession.url);
            file.writeLine("http://"+oSession.url)
            //file.writeLine("Request-host:" + oSession.host);
            //file.writeLine("Request-header:" + "\n" + oSession.oRequest.headers);
            //file.writeLine("Request-body:" + oSession.GetRequestBodyAsString());
            //file.writeLine("\n");
            file.close();
        }        
        //保存到本地添加結束

 

把上邊的代碼插入到如下圖所示的地方即可。

 2.上面的url是樓主手動點擊一個個刷新抖音app出現的，so樓主使用appium來自動刷新抖音app，自動獲得url，自動保存到txt文檔中。

 首先需要在appium中得到抖音這個app包的一些用的信息，如下圖所示

樓主使用的是紅米手機，至於appium怎么安裝配置，大家可參考網上相關教程，appium客戶端連接上手機（需要數據線連接）后，在控制台打印出log日志文件，在日志文件中找到這四個參數即可，然后保存

到appium客戶端中即可，就能在appium客戶端中操作抖音app。

 {
  "platformName": "Android",
  "deviceName": "Redmi Note5",
  "appPackage": "com.ss.android.ugc.aweme",
  "appActivity": ".main.MainActivity"
}

appPackage這一項com.ss.android.ugc.aweme 則表示抖音短視頻。

樓主使用如下代碼來實現無限刷新抖音app，前提是需要手機連着數據線連在電腦上並且開啟appium客戶端的服務和打開Fiddler4抓包（配置好環境手機）。

from appium import webdriver
from time import sleep

#以下代碼可以操控手機app（抖音）
class Action():
    def __init__(self):
        #初始化配置，設置Desired Capabilities參數
        self.desired_caps = {
            "platformName": "Android",
            "deviceName": "Mi_Note_3",
            "appPackage": "com.ss.android.ugc.aweme",
            "appActivity": ".main.MainActivity"
        }
        #指定Appium Server
        self.server = 'http://localhost:4723/wd/hub'
        #新建一個Session
        self.driver = webdriver.Remote(self.server, self.desired_caps)
        #設置滑動初始坐標和滑動距離
      self.start_x = 500
        self.start_y = 1500
        self.distance = 1300

    def comments(self):
        sleep(3)
        #app開啟之后點擊一次屏幕，確保頁面的展示
        self.driver.tap([(500, 1200)], 500)
    def scroll(self):
        #無限滑動
        while True:
            #模擬滑動
            self.driver.swipe(self.start_x, self.start_y, self.start_x,
            self.start_y - self.distance)
            #設置延時等待
            sleep(5)
    def main(self):
        self.comments()
        self.scroll()

if __name__ == '__main__':
    action = Action()
    action.main()

樓主運行次代碼就能在Fiddler4中得到無限量的url。
3.樓主拿到url后，會發現有些url會重復，so樓主加入了去重的功能，為了好看樓主也加入了進度條花里花哨的功能，運行代碼最終會下載下來。

# _*_ coding: utf-8 _*_
import requests
import sys
headers = {"User-Agent":"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/42.0.2311.90 Safari/537.36" }

#去重方法
def distinct_data():
    #讀取txt中文檔的url列表
    datalist_blank=[]
    pathtxt='H:/Request.txt'
    with open(pathtxt) as f:
        f_data_list=f.readlines()#d得到的是一個list類型
        for a in f_data_list:
            datalist_blank.append(a.strip())#去掉\n strip去掉頭尾默認空格或換行符
    data_dict={}
    for data in datalist_blank:
        #url中以/為切分,在以m為切分   ##把m后面的值放進字典key的位置，利用字典特性去重
        if int(data.split('/').index('m'))==4 :#此處為v6開頭的url
            #print(data,44,data.split('/')[5])
            data_key1=data.split("/")[5]
            data_dict[data_key1]=data
        elif int(data.split('/').index('m'))==6: #此處為v1或者v3或者v9開頭的url
            data_key2=data.split("/")[7]
            data_dict[data_key2] =data
    #print(len(data_dict),data_dict)
    data_new=[]
    for x,y in data_dict.items():
        data_new.append(y)
    return data_new

def responsedouyin():
    data_url=distinct_data()
    #使用request獲取視頻url的內容
    #stream=True作用是推遲下載響應體直到訪問Response.content屬性
    #將視頻寫入文件夾
    num = 1
    for url in data_url:
        res = requests.get(url,stream=True,headers=headers)
        #res = requests.get(url=url, stream=True, headers=headers)
        #定義視頻存放的路徑
        pathinfo = 'H:/douyin-video/%d.mp4' % num  #%d 用於整數輸出   %s用於字符串輸出
        #實現下載進度條顯示，這一步需要得到總視頻大小
        total_size = int(res.headers['Content-Length'])
        #設置流的起始值為0
        temp_size = 0
        if res.status_code == 200:
            with open(pathinfo, 'wb') as file:
                #file.write(res.content)
                #print(pathinfo + '下載完成啦啦啦啦啦')
                num += 1
                #當流下載時，下面是優先推薦的獲取內容方式，iter_content()函數就是得到文件的內容，指定chunk_size=1024，大小可以自己設置喲，設置的意思就是下載一點流寫一點流到磁盤中
                for chunk in res.iter_content(chunk_size=1024):
                    if chunk:
                        temp_size += len(chunk)
                        file.write(chunk)
                        file.flush() #刷新緩存
                #############下載進度條部分start###############
                        done = int(50 * temp_size / total_size)
                        #print('百分比:',done)
                        sys.stdout.write("\r[%s%s] %d % %" % ('█' * done, ' ' * (50 - done), 100 * temp_size / total_size)+" 下載信息："+pathinfo + "下載完成啦啦啦啦啦")
                        sys.stdout.flush()#刷新緩存
                #############下載進度條部分end###############
                print('\n')#每一條打印在屏幕上換行輸出


if __name__ == '__main__':
    responsedouyin()

運行代碼，效果圖如下

視頻最終保存到文件夾中

github地址：https://github.com/Stevenguaishushu/douyin