【抖音爬虫】一键批量采集博主的主页发布作品的软件

马哥小迷弟132

已于 2025-04-15 15:11:34 修改

阅读量7.1k

点赞数 7

分类专栏： DY工具文章标签：网络爬虫 python

于 2024-05-21 21:26:50 首次发布

本文链接：https://blog.csdn.net/solo_132/article/details/139098649

版权

DY工具专栏收录该内容

4 篇文章

订阅专栏

文章目录

一、背景介绍
二、代码讲解
三、文章出处

本软件工具仅限于学术交流使用，严格遵循相关法律法规，符合平台内容合法性，禁止用于任何商业用途！

一、背景介绍

1.1 爬取目标

您好！我用python开发了个DY爬虫采集软件，可自动按博主抓取其已发布视频数据。

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，无需改代码，双击打开即用！

软件界面截图：软件运行界面

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

使用演示：（不懂编程没关系，了解软件的作用和使用方法就行）
【软件演示】DY主页作品采集，可监控目标账号的最新作品

1.3 软件说明

几点重要说明：软件说明

以上。

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.douyin.com/aweme/v1/web/aweme/post/'

定义一个请求头，用于伪造浏览器：

# 请求头
h1 = {
	"Accept": "application/json, text/plain, */*",
	"Accept-Encoding": "gzip, deflate",
	"Accept-Language": "zh-CN,zh;q=0.9",
	"Cookie": self.cookie_val,
	"Priority": "u=1, i",
	"Referer": "https://www.douyin.com/user/{}?vid=7325137998331399435".format(user_id),
	"Sec-Ch-Ua": '"Not_A Brand";v="8", "Chromium";v="120", "Google Chrome";v="120"',
	"Sec-Ch-Ua-Mobile": "?0",
	"Sec-Ch-Ua-Platform": "macOS",
	"Sec-Fetch-Dest": "empty",
	"Sec-Fetch-Mode": "cors",
	"Sec-Fetch-Site": "same-origin",
	"User-Agent": ua,
}

说明一下，cookie是个关键参数。

其中，cookie的获取方法，如下： cookie获取方法

这个值非常重要，软件界面需要填写！！

加上请求参数，告诉程序你的爬取条件是什么：

# 请求参数
params = {
	"device_platform": "webapp",
	"aid": "6383",
	"channel": "channel_pc_web",
	"sec_user_id": user_id,
	"max_cursor": max_cursor,
	"locate_item_id": "7325137998331399435",
	"locate_query": "false",
	"show_live_replay_strategy": "1",
	"need_time_list": "0",
	"time_list_query": "0",
	"whale_cut_token": "",
	"cut_version": "1",
	"count": 10,
	"publish_video_strategy_type": "2",
	"pc_client_type": "1",
	"version_code": "170400",
	"version_name": "17.4.0",
	"cookie_enabled": "true",
	"screen_width": "1440",
	"screen_height": "900", "browser_language": "zh-CN",
	"browser_platform": "MacIntel",
	"browser_name": "Chrome",
	"browser_version": "120.0.0.0",
	"browser_online": "true",
	"engine_name": "Blink",
	"engine_version": "120.0.0.0",
	"os_name": "Mac OS",
	"os_version": "10.15.7",
	"cpu_core_num": "4",
	"device_memory": "8",
	"platform": "PC",
	"downlink": "1.35",
	"effective_type": "3g",
	"round_trip_time": "550",
	"webid": "7312681406147921448",
	"msToken": "Bjgl7yWKL7c57PFiwM6V4UWZ54Lm_eh4gjFdyOkX4xV93SpMHyyPMdO1u9j_OvsvgjtNNQFhaK9rWs2G8o7had3VtbDQuuaA41G3yFif70ssE_5ZnqQ6rg",
}

下面就是发送请求和接收数据：

# 发送请求
r = requests.get(url, headers=h1, params=params)
print(r.status_code)
# 以json格式接收返回数据
json_data = r.json()

定义一些空列表，用于存放解析后字段数据：

# 定义空列表
title_list = []  # 视频标题
tag_list = []  # 视频标签
link_list = []  # 视频链接
author_name_list = []  # 作者昵称
uid_list = []  # uid
sec_uid_list = []  # sec_uid
author_link_list = []  # 作者链接
follower_count_list = []  # 作者粉丝数
create_time_list = []  # 发布时间
is_top_list = []  # 是否置顶
like_count_list = []  # 点赞数
comment_count_list = []  # 评论数
collect_count_list = []  # 收藏数
share_count_list = []  # 转发数

循环解析字段数据，以"视频标题"为例：

for v in video_list:
	# 视频标题
	title = v['desc']
	self.tk_show('视频标题:' + title)
	title_list.append(title)

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(
	{
		'页码': page,
		'作者昵称': author_name_list,
		'uid': uid_list,
		'sec_uid': sec_uid_list,
		'作者链接': author_link_list,
		'作者粉丝数': follower_count_list,
		'视频标题': title_list,
		'视频标签': tag_list,
		'视频链接': link_list,
		'发布时间': create_time_list,
		'是否置顶': is_top_list,
		'点赞数': like_count_list,
		'评论数': comment_count_list,
		'收藏数': collect_count_list,
		'转发数': share_count_list,
	}
)
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('保存csv文件成功：' + self.result_file)

完整代码中，还含有：判断循环结束条件、js逆向参数、时间戳转换、判断置顶视频等关键实现逻辑。

2.2 软件界面模块

主窗口部分：

# 创建主窗口
root = tk.Tk()
root.title('DY博主视频采集软件v1.1 | 马哥python说 |')
# 设置窗口大小
root.minsize(width=850, height=650)

输入控件部分：

# 用户链接
tk.Label(root, justify='left', text='用户链接:').place(x=30, y=125)
entry_nt = tk.Text(root, bg='#ffffff', width=110, height=14, )
entry_nt.place(x=30, y=150, anchor='nw')  # 摆放位置

底部版权部分：

# 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'
	# 将其保存到特定目录
	case_dir = r'./logs/'
	info_handler = TimedRotatingFileHandler(filename=case_dir + info_file_name,
						when='MIDNIGHT',
						interval=1,
						backupCount=7,
						encoding='utf-8')