如何使用Python爬取抖音APP視頻
記錄一下如何用python爬取app數(shù)據(jù)，本文以爬取抖音視頻app為例。
- 編程工具：pycharm
- app抓包工具：mitmproxy
- app自動(dòng)化工具：appium
- 運(yùn)行環(huán)境：windows10
假設(shè)已經(jīng)配置好我們所需要的工具
- 使用mitmproxy對(duì)手機(jī)app抓包獲取我們想要的內(nèi)容
- 利用appium自動(dòng)化測(cè)試工具，驅(qū)動(dòng)app模擬人的動(dòng)作(滑動(dòng)、點(diǎn)擊等)
- 將1和2相結(jié)合達(dá)到自動(dòng)化爬蟲的效果
一、mitmproxy/mitmdump抓包
確保已經(jīng)安裝好了mitmproxy，并且手機(jī)和PC處于同一個(gè)局域網(wǎng)下，同時(shí)也配置好了mitmproxy的CA證書，網(wǎng)上有很多相關(guān)的配置教程，這里我就略過了。
因?yàn)閙itmproxy不支持windows系統(tǒng)，所以這里用的是它的組件之一mitmdump，它是mitmproxy的命令行接口，可以利用它對(duì)接我們的Python腳本，用Python實(shí)現(xiàn)監(jiān)聽后的處理。
在配置好mitmproxy之后,在控制臺(tái)上輸入mitmdump并在手機(jī)上打開抖音app，mitmdump會(huì)呈現(xiàn)手機(jī)上的所有請(qǐng)求，如下圖：
可以在抖音app一直往下滑，看mitmdump所展示的請(qǐng)求，會(huì)發(fā)現(xiàn)前綴分別為：
- http://v1-dy.ixigua.com/;http://v3-dy.ixigua.com/;http://v9-dy.ixigua.com/
這3個(gè)類型前綴的url正是我們的目標(biāo)抖音視頻url。
那接下來就要編寫python腳本將視頻下載下來，需要使用 mitmdump -s scripts.py(此處為python文件名)來執(zhí)行腳本。
- import requests
- # 文件路徑
- path = 'D:/video/'
- num = 1788
- def response(flow):
- global num
- # 經(jīng)測(cè)試發(fā)現(xiàn)視頻url前綴主要是3個(gè)
- target_urls = ['http://v1-dy.ixigua.com/', 'http://v9-dy.ixigua.com/',
- 'http://v3-dy.ixigua.com/']
- for url in target_urls:
- # 過濾掉不需要的url
- if flow.request.url.startswith(url):
- # 設(shè)置視頻名
- filename = path + str(num) + '.mp4'
- # 使用request獲取視頻url的內(nèi)容
- # stream=True作用是推遲下載響應(yīng)體直到訪問Response.content屬性
- res = requests.get(flow.request.url, stream=True)
- # 將視頻寫入文件夾
- with open(filename, 'ab') as f:
- f.write(res.content)
- f.flush()
- print(filename + '下載完成')
- num += 1
代碼寫得比較粗糙，不過基本的邏輯還是比較清晰的，這樣我們就可以把抖音的視頻下載下來，不過這個(gè)方法有個(gè)缺陷，就是獲取視頻需要人來不斷地滑動(dòng)抖音的下一個(gè)視頻，這時(shí)候我們可以用一個(gè)強(qiáng)大的appium自動(dòng)化測(cè)試工具來解決。
二、Appium對(duì)手機(jī)進(jìn)行模擬操作
確保已經(jīng)配置好appium所依賴的環(huán)境Android和SDK，網(wǎng)上也有許多教程，這里我就不說了。
appium的用法很簡(jiǎn)單，首先我們先打開appium，啟動(dòng)界面如下：
點(diǎn)擊Start Server按鈕即可啟動(dòng)appium服務(wù)。
將Android手機(jī)通過數(shù)據(jù)線與PC相連，同時(shí)打開USB調(diào)試功能，可以輸入adb命令(具體可以去網(wǎng)上查找)測(cè)試連接情況，若出現(xiàn)以下結(jié)果，則說明連接成功。
model是設(shè)備名，后面配置需要用到。之后點(diǎn)擊下圖箭頭所指的按鈕就會(huì)出現(xiàn)一個(gè)配置頁面。
在右下角的JSON Representation配置啟動(dòng)app的Desired Capabilities參數(shù)，分別是paltformName、deviceName、appPackage、appActivity。
- platformName:平臺(tái)名稱，一般是Android或iOS.
- deviceName:設(shè)備名稱，手機(jī)的具體類型
- appPackage:App程序包名
- appActivity:入口Activity名，通常以.開頭
platformName和deviceName比較容易獲得，而appPackage和appActivity這兩個(gè)可以通過以下方法獲取到。
在控制臺(tái)上輸入 adb logcat>D:\log.log 命令，并且在手機(jī)打開抖音app，然后在D盤中打開log.log文件，查找Displayed關(guān)鍵字。
由上圖可以知道Displayed后面的 com.ss.android.ugc.aweme對(duì)應(yīng)的是appPackage，.main.MainActivity對(duì)應(yīng)的是appActivity，最后我們的配置結(jié)果如下：
- {
- "platformName": "Android",
- "deviceName": "Mi_Note_3",
- "appPackage": "com.ss.android.ugc.aweme",
- "appActivity": ".main.MainActivity"
- }
再點(diǎn)擊Start Session即可啟動(dòng)Android手機(jī)上的抖音app并進(jìn)入到啟動(dòng)頁面，同時(shí)PC上會(huì)彈出一個(gè)調(diào)試窗口，從這個(gè)窗口可以預(yù)覽當(dāng)前手機(jī)頁面，還可以對(duì)手機(jī)模擬各種操作，在本文不是重點(diǎn)，所以略過。
在下面我們將使用python腳本來驅(qū)動(dòng)app，直接在pycharm運(yùn)行即可。
- from appium import webdriver
- from time import sleep
- class Action():
- def __init__(self):
- # 初始化配置，設(shè)置Desired Capabilities參數(shù)
- 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'
- # 新建一個(gè)Session
- self.driver = webdriver.Remote(self.server, self.desired_caps)
- # 設(shè)置滑動(dòng)初始坐標(biāo)和滑動(dòng)距離
- self.start_x = 500
- self.start_y = 1500
- self.distance = 1300
- def comments(self):
- sleep(2)
- # app開啟之后點(diǎn)擊一次屏幕，確保頁面的展示
- self.driver.tap([(500, 1200)], 500)
- def scroll(self):
- # 無限滑動(dòng)
- while True:
- # 模擬滑動(dòng)
- self.driver.swipe(self.start_x, self.start_y, self.start_x,
- self.start_y-self.distance)
- # 設(shè)置延時(shí)等待
- sleep(2)
- def main(self):
- self.comments()
- self.scroll()
- if __name__ == '__main__':
- action = Action()
- action.main()
下面是爬蟲的過程。ps:偶爾會(huì)爬取到重復(fù)的視頻。
