前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >【GUI软件】采集抖音博主的主页视频(可监控目标账号最新作品)

【GUI软件】采集抖音博主的主页视频(可监控目标账号最新作品)

原创
作者头像
马哥python说
发布2024-05-19 13:55:46
2410
发布2024-05-19 13:55:46
举报
文章被收录于专栏:Python爬虫Python爬虫

一、背景介绍

1.1 爬取目标

您好!我是@马哥python说,一名10年程序猿。

我用python开发了一个抖音采集软件,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
软件运行界面

爬取结果截图:

结果截图1:
结果截图1
结果截图1
结果截图2:
结果截图2
结果截图2
结果截图3:
结果截图3
结果截图3

以上。

1.2 演示视频

软件使用演示:(不懂编程没关系,了解软件的作用和使用方法就行

演示视频:【软件演示】抖音主页作品采集,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
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:

代码语言:python
复制
# 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:

代码语言:python
复制
# 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
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:

代码语言:python
复制
# 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:

代码语言:python
复制
# 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:

代码语言:python
复制
# 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:

代码语言:python
复制
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:

代码语言:python
复制
# 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:<font color=red ><b>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。</b></font>

2.2 软件界面模块

主窗口部分:

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

输入控件部分:

代码语言:python
复制
# 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:

代码语言:python
复制
# 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:

代码语言:python
复制
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,ap方法就是寻找项目根目录,该方法博主前期已经写好。
	case_dir = r'./logs/'
	info_handler = TimedRotatingFileHandler(filename=case_dir + info_file_name,
						when='MIDNIGHT',
						interval=1,
						backupCount=7,
						encoding='utf-8')
日志文件截图:
log文件
log文件

以上。

三、首发公号

本文首发公号【老男孩的平凡之路】,你想要的都在这里!!


我是@马哥python说,一名10年程序猿,持续分享Python干货中!

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
作者已关闭评论
0 条评论
热度
最新
推荐阅读
目录
  • 一、背景介绍
    • 1.1 爬取目标
      • 1.2 演示视频
        • 1.3 软件说明
        • 二、代码讲解
          • 2.1 爬虫采集模块
            • 2.2 软件界面模块
              • 2.3 日志模块
              • 三、首发公号
              相关产品与服务
              视频理解
              视频理解是基于腾讯领先的 AI 技术和丰富的内容运营经验,对视频内容输出涵盖人物、场景、物体、事件的高精度、多维度的优质标签内容。通过对视频内容进行细粒度的结构化解析,应用于媒资系统管理、素材检索、内容运营等业务场景中。其中一款产品是媒体智能标签(Intelligent Media Label Detection)
              领券
              问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档