详解使用python爬取抖音app视频(appium可以操控手机)

作者:西部喜之郎 时间:2023-09-20 13:30:32 

记录一下如何用python爬取app数据,本文以爬取抖音视频app为例。

编程工具:pycharm

app抓包工具:mitmproxy

app自动化工具:appium

运行环境:windows10

思路:

假设已经配置好我们所需要的工具

1、使用mitmproxy对手机app抓包获取我们想要的内容

2、利用appium自动化测试工具,驱动app模拟人的动作(滑动、点击等)

3、将1和2相结合达到自动化爬虫的效果

一、mitmproxy/mitmdump抓包

确保已经安装好了mitmproxy,并且手机和PC处于同一个局域网下,同时也配置好了mitmproxy的CA证书,网上有很多相关的配置教程,这里我就略过了。

因为mitmproxy不支持windows系统,所以这里用的是它的组件之一mitmdump,它是mitmproxy的命令行接口,可以利用它对接我们的Python脚本,用Python实现监听后的处理。

在配置好mitmproxy之后,在控制台上输入mitmdump并在手机上打开抖音app,mitmdump会呈现手机上的所有请求,如下图

详解使用python爬取抖音app视频(appium可以操控手机)

可以在抖音app一直往下滑,看mitmdump所展示的请求,会发现前缀分别为

http://v1-dy.ixigua.com/;http://v3-dy.ixigua.com/;http://v9-dy.ixigua.com/

这3个类型前缀的url正是我们的目标抖音视频url。

那接下来就要编写python脚本将视频下载下来,需要使用 mitmdump -s scripts.py(此处为python文件名)来执行脚本。


import requests
# 文件路径
path = 'D:/video/'
num = 1788
def response(flow):
global num
# 经测试发现视频url前缀主要是3个
target_urls = ['http://v1-dy.ixigua.com/', 'http://v9-dy.ixigua.com/','http://v3-dy.ixigua.com/']
for url in target_urls:
# 过滤掉不需要的url
if flow.request.url.startswith(url):
# 设置视频名
filename = path + str(num) + '.mp4'
# 使用request获取视频url的内容
# stream=True作用是推迟下载响应体直到访问Response.content属性
res = requests.get(flow.request.url, stream=True)
# 将视频写入文件夹
with open(filename, 'ab') as f:
f.write(res.content)
f.flush()
print(filename + '下载完成')
num += 1

代码写得比较粗糙,不过基本的逻辑还是比较清晰的,这样我们就可以把抖音的视频下载下来,不过这个方法有个缺陷,就是获取视频需要人来不断地滑动抖音的下一个视频,这时候我们可以用一个强大的appium自动化测试工具来解决。

二、Appium对手机进行模拟操作

确保已经配置好appium所依赖的环境Android和SDK,网上也有许多教程,这里我就不说了。

appium的用法很简单,首先我们先打开appium,启动界面如下

详解使用python爬取抖音app视频(appium可以操控手机)

点击Start Server按钮即可启动appium服务

详解使用python爬取抖音app视频(appium可以操控手机)

将Android手机通过数据线与PC相连,同时打开USE调试功能,可以输入adb命令(具体可以去网上查找)测试连接情况,若出现以下结果,则说明连接成功

详解使用python爬取抖音app视频(appium可以操控手机)

model是设备名,后面配置需要用到。之后点击下图箭头所指的按钮就会出现一个配置页面

详解使用python爬取抖音app视频(appium可以操控手机)

详解使用python爬取抖音app视频(appium可以操控手机)

在右下角的JSON Representation配置启动app的Desired Capabilities参数,分别是paltformName、deviceName、appPackage、appActivity。

platformName:平台名称,一般是Android或iOS.

deviceName:设备名称,手机的具体类型

appPackage:App程序包名

appActivity:入口Activity名,通常以.开头

详解使用python爬取抖音app视频(appium可以操控手机)

platformName和deviceName比较容易获得,而appPackage和appActivity这两个可以通过以下方法获取到。

在控制台上输入   adb logcat>D:\log.log  命令,并且在手机打开抖音app,然后在D盘中打开log.log文件,查找Displayed关键字

详解使用python爬取抖音app视频(appium可以操控手机)

由上图可以知道Displayed后面的 com.ss.android.ugc.aweme对应的是appPackage,.main.MainActivity对应的是appActivity,最后我们的配置结果如下:


{
"platformName": "Android",
"deviceName": "Mi_Note_3",
"appPackage": "com.ss.android.ugc.aweme",
"appActivity": ".main.MainActivity"
}

再点击Start Session即可启动Android手机上的抖音app并进入到启动页面,同时PC上会弹出一个调试窗口,从这个窗口可以预览当前手机页面,还可以对手机模拟各种操作,在本文不是重点,所以略过。

详解使用python爬取抖音app视频(appium可以操控手机)

在下面我们将使用python脚本来驱动app,直接在pycharm运行即可


from appium import webdriver
from time import sleep
class Action():
def __init__(self):
# 初始化配置,设置Desired Capabilities参数
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'
# 新建一个Session
self.driver = webdriver.Remote(self.server, self.desired_caps)
# 设置滑动初始坐标和滑动距离
self.start_x = 500
self.start_y = 1500
self.distance = 1300
def comments(self):
sleep(2)
# app开启之后点击一次屏幕,确保页面的展示
self.driver.tap([(500, 1200)], 500)
def scroll(self):
# 无限滑动
while True:
# 模拟滑动
self.driver.swipe(self.start_x, self.start_y, self.start_x,
self.start_y-self.distance)
# 设置延时等待
sleep(2)
def main(self):
self.comments()
self.scroll()
if __name__ == '__main__':
action = Action()
action.main()

下面是爬虫的过程。ps:偶尔会爬取到重复的视频

详解使用python爬取抖音app视频(appium可以操控手机)

详解使用python爬取抖音app视频(appium可以操控手机)

来源:https://blog.csdn.net/mp624183768/article/details/80956368

标签:python,爬取,抖音
0
投稿

猜你喜欢

  • golang字符串本质与原理详解

    2024-04-28 09:16:19
  • Python+Pyecharts实现散点图的绘制

    2023-09-02 05:01:29
  • python适合人工智能的理由和优势

    2021-08-10 11:01:12
  • 使用CSS简单实现垂直居中

    2008-06-23 07:32:00
  • 详解阿里云视频直播PHP-SDK接入教程

    2023-11-21 02:19:17
  • 使用 Python 实现微信公众号粉丝迁移流程

    2022-05-10 21:02:07
  • Python如何把Spark数据写入ElasticSearch

    2021-06-28 20:07:46
  • 详解PHP的Sodium加密扩展函数

    2024-03-17 23:53:02
  • 基于Python的ModbusTCP客户端实现详解

    2022-02-03 10:54:25
  • MySQL数据库线程缓冲池详解

    2012-04-13 11:48:01
  • 如何给windows设置定时任务并运行python脚本

    2023-09-18 13:40:19
  • js实现的捐赠管理完整实例

    2023-08-22 05:25:14
  • Python关键字之global与nonlocal

    2023-12-09 13:34:18
  • 观点 2009 年,IE6 走好

    2009-01-04 16:46:00
  • c++生成dll使用python调用dll的方法

    2023-02-16 11:40:05
  • python之文件读取一行一行的方法

    2022-04-09 20:21:19
  • 如何利用Python分析出微信朋友男女统计图

    2021-12-03 15:46:09
  • Window 7/XP 安装Apache 2.4与PHP 5.4 的过程详解

    2023-11-24 09:28:09
  • XML教程 WEB页面工具语言XML的定义

    2008-05-29 10:54:00
  • 一个很棒的js图片代码

    2009-12-17 18:36:00
  • asp之家 网络编程 m.aspxhome.com