【GUI界面软件】快手评论区采集：自动采集10000多条，含二级评论、展开评论！

一、背景说明

1.1 效果演示

您好！我是@马哥python说，一名10年程序猿。

我用python开发了一个爬虫采集软件，可自动抓取快手评论数据，并且含二级评论！

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、无需懂代码，双击打开即用！

软件界面截图：

爬取结果截图：

结果截图1：

结果截图2：

结果截图3：

以上。

1.2 演示视频

软件运行演示视频：
【软件演示】快手评论采集工具，可爬取上万条，含二级评论、展开评论！

1.3 软件说明

几点重要说明：

1. Windows用户可直接双击打开使用，无需Python运行环境，非常方便！
2. 需要填入cookie和爬取目标视频链接。
3. 支持同时爬多个视频的评论。
4. 可爬取9个关键字段，含：目标链接,页码,评论者昵称,评论者id,评论者主页链接,评论时间,评论点赞数,评论级别,评论内容。
5. 评论中包含二级评论及二级展开评论。
6. 爬取结果自动导出到csv文件。

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：

	# 请求地址
	url = 'https://www.kuaishou.com/graphql'

定义一个请求头，用于伪造浏览器：

	# 请求头
	h1 = {
	'Accept': '*/*',
	'Accept-Encoding': 'gzip, deflate, br',
	'Accept-Language': 'zh-CN,zh;q=0.9',
	'Connection': 'keep-alive',
	'Content-Type': 'application/json',
	'Cookie': self.cookie_val,
	'Host': 'www.kuaishou.com',
	'Origin': 'https://www.kuaishou.com',
	'Referer': 'https://www.kuaishou.com',
	'Sec-Fetch-Dest': 'empty',
	'Sec-Fetch-Mode': 'cors',
	'Sec-Fetch-Site': 'same-origin',
	'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/119.0.0.0 Safari/537.36',
	'sec-ch-ua': '"Google Chrome";v="119", "Chromium";v="119", "Not?A_Brand";v="24"',
	'sec-ch-ua-mobile': '?0',
	'sec-ch-ua-platform': '"macOS"',
	}

其中，cookie是个关键参数，需要填写到软件界面里。

cookie获取方法如下：

加上请求参数，告诉程序你的爬取条件是什么：

	# 请求参数
	params = {"operationName": "commentListQuery",
	"variables": {
	"photoId": video_id,
	"pcursor": pcursor,
	},
	"query": "query commentListQuery($photoId: String, $pcursor: String) {\n visionCommentList(photoId: $photoId, pcursor: $pcursor) {\n commentCount\n pcursor\n rootComments {\n commentId\n authorId\n authorName\n content\n headurl\n timestamp\n likedCount\n realLikedCount\n liked\n status\n authorLiked\n subCommentCount\n subCommentsPcursor\n subComments {\n commentId\n authorId\n authorName\n content\n headurl\n timestamp\n likedCount\n realLikedCount\n liked\n status\n authorLiked\n replyToUserName\n replyTo\n __typename\n }\n __typename\n }\n __typename\n }\n}\n"}

下面就是发送请求和接收数据：

	# 发送请求
	r = requests.post(url, json=params, headers=h1)
	# 接收json数据
	json_data = r.json()

定义一些空列表，用于存放解析后字段数据：

	content_list = [] # 评论内容
	create_time_list = [] # 评论时间
	like_count_list = [] # 评论点赞数
	author_name_list = [] # 评论者昵称
	author_id_list = [] # 评论者id
	author_link_list = [] # 评论者链接
	comment_level_list = [] # 评论级别

循环解析字段数据，以"评论内容"为例：

	# 循环解析
	for data in json_data['data']['visionCommentList']['rootComments']:
	# 评论内容
	content = data['content']
	self.tk_show('评论内容:' + content)
	content_list.append(content)

其他字段同理，不再赘述。

最后，是把数据保存到csv文件：

	# 保存数据到DF
	df = pd.DataFrame(
	{
	'目标链接': 'https://www.kuaishou.com/short-video/' + video_id,
	'页码': page,
	'评论者昵称': author_name_list,
	'评论者id': author_id_list,
	'评论者主页链接': author_link_list,
	'评论时间': create_time_list,
	'评论点赞数': like_count_list,
	'评论级别': comment_level_list,
	'评论内容': content_list,
	}
	)
	# 保存到csv
	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('视频[{}]第{}页已保存到csv'.format(video_id, page))

完整代码中，还含有：游标控制翻页、判断循环结束条件、时间戳转换、二级评论及二级展开评论的采集等关键实现逻辑，详见文末。

2.2 软件界面模块

软件界面采用tkinter开发。

主窗口部分：

	# 创建主窗口
	root = tk.Tk()
	root.title('快手评论采集软件v1.0 | 马哥python说')
	# 设置窗口大小
	root.minsize(width=850, height=650)

填写cookie控件：

	# 【填入Cookie】
	tk.Label(root, justify='left', font=('微软', 14), text='个人Cookie:').place(x=30, y=75)
	entry_ck = tk.Text(root, bg='#ffffff', width=110, height=2, )
	entry_ck.place(x=30, y=100, anchor='nw') # 摆放位置

填写视频链接控件：

	# 【视频链接】
	tk.Label(root, justify='left', font=('微软', 14), text='视频链接:').place(x=30, y=185)
	video_ids = tk.StringVar()
	video_ids.set('')
	entry_nt = tk.Text(root, bg='#ffffff', width=110, height=12, )
	entry_nt.place(x=30, y=210, anchor='nw') # 摆放位置

底部软件版权说明：

	# 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)

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：

	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'
	case_dir = r'./logs/'
	info_handler = TimedRotatingFileHandler(filename=case_dir + info_file_name,
	when='MIDNIGHT',
	interval=1,
	backupCount=7,
	encoding='utf-8')

日志文件截图：