爬取抖音数据实践方案《基础版》

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

www.python.org/downloads/

 

安装mitmproxy代理工具

mitmproxy.org/

 

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：