背景:
现在移动短视频大火,很多的内容消费都在手机的客户端上进行。为了监控类似抖音短视频平台上的风险数据(主要是视频标题、视频内容、评论区),采用爬虫技术手段来实时爬取内容。
技术方案:
python(脚本程序)+mitmproxy(代理服务器)+appium(自动化工具)
原理:
采用抓包的方式,通过设置代理服务器、以及设置https证书,让所有的http、https的请求和响应全部通过这个代理服务器来转发,然后利用脚本对转发的数据进行处理。
和fiddler、Charles等抓包工具对比,mitmproxy最大的优势是它提供了python脚本的对接入口,可以利用python来处理爬取到的数据。例如:下载视频文件,存储关键信息到我们自己的DB上等。
实现爬取抖音视频及标题数据
第一步:安装环境及工具
安装python环境
安装mitmproxy代理工具
安装appium自动化工具(目前没用到)
略
第二步:设置代理相关
(为支持https请求需安装证书)
1.安装完mitmproxy后,会在如下目录生成证书文件。
2.安装mitmproxy的pc证书
双击mitmproxy-ca.p12证书进行安装,弹出如下窗口:
点击下一步,如下: