【GUI软件】抖音搜索结果批量采集，支持多个关键词同时抓取！ |
您所在的位置：网站首页 › 抖音抓取评论软件 › 【GUI软件】抖音搜索结果批量采集，支持多个关键词同时抓取！ |
【GUI软件】抖音搜索结果批量采集，支持多个关键词同时抓取！
|
文章目录
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、获取源码及软件
一、背景介绍
1.1 爬取目标
您好！本文原创自 @马哥python说，一名10年程序猿。 我用python开发了一个爬虫采集软件，可自动按关键词抓取抖音视频数据。 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： 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 演示视频软件使用演示： 【软件演示】抖音搜索采集工具，支持多个关键词、排序方式、发布时间等 1.3 软件说明几点重要说明： Windows用户可直接双击打开使用，无需Python运行环境，非常方便！需要填入个人cookie和目标视频链接支持筛选：排序方式（综合排序/最新发布/最多点赞）和发布时间（不限/一天内/一周内/半年内）支持同时爬多个关键词爬取过程中，有log文件详细记录运行过程，方便回溯爬取完成后，自动导出结果到csv文件可爬13个字段，含：关键词,页码,视频标题,视频链接,作者昵称,抖音号,作者链接,作者粉丝数,发布时间,点赞数,评论数,收藏数,转发数。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/search/item/'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,en;q=0.8", "Cookie": self.cookie_val, "Referer": "", "Sec-Ch-Ua": 'Not_A Brand";v="8", "Chromium";v="120", "Google Chrome";v="120', "Sec-Ch-Ua-Mobile": "?0", "Sec-Ch-Ua-Platform": "Windows", "Sec-Fetch-Dest": "empty", "Sec-Fetch-Mode": "cors", "Sec-Fetch-Site": "same-origin", "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36" }说明一下，cookie是个关键参数。 cookie的获取方法，如下： 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", "search_channel": "aweme_video_web", "sort_type": self.trans_sort_type(v_str=self.sort_type), "publish_time": self.trans_time_range(v_str=self.time_range), "keyword": search_keyword, "search_source": "tab_search", "query_correct_type": "1", "is_filter_search": "1", "from_group_id": "", "offset": cursor, "count": "20", "pc_client_type": "1", "version_code": "170400", "version_name": "17.4.0", "cookie_enabled": "true", "screen_width": "1536", "screen_height": "864", "browser_language": "zh-CN", "browser_platform": "Win32", "browser_name": "Chrome", "browser_version": "120.0.0.0", "browser_online": "true", "engine_name": "Blink", "engine_version": "120.0.0.0", "os_name": "Windows", "os_version": "10", "cpu_core_num": "8", "device_memory": "8", "platform": "PC", "downlink": "10", "effective_type": "4g", "round_trip_time": "50", "webid": "7249265465250973217", "msToken": "Sx2PzLIz0YGvM_wrIkaUaaeUb1JUutgo3ERiWmwV1w6VC1naW15lFM6N3nanMZRZYfaHLvXrDNzGqkAyvvCpdO3d6u0u_kNmmZZHeMIsDqga2eWnjTzp5g==", "X-Bogus": "DFSzswVuketAN9oEt7PfdSlls7YT" }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 link_list = [] # 视频链接 author_name_list = [] # 作者昵称 author_id_list = [] # 抖音号 author_link_list = [] # 作者链接 follower_count_list = [] # 作者粉丝数 create_time_list = [] # 发布时间 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['aweme_info']['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( { '关键词': search_keyword, '页码': page, '视频标题': title_list, '视频链接': link_list, '作者昵称': author_name_list, '抖音号': author_id_list, '作者链接': author_link_list, '作者粉丝数': follower_count_list, '发布时间': create_time_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、排序方式（综合排序/最新发布/最多点赞）、发布时间（不限/一天内/一周内/半年内）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('抖音搜索采集软件v1.1 | 马哥python说 |') # 设置窗口大小 root.minsize(width=850, height=650)输入控件部分： # 搜索关键词 tk.Label(root, justify='left', text='搜索关键词:').place(x=30, y=160) entry_kw = tk.Text(root, bg='#ffffff', width=60, height=2, ) entry_kw.place(x=125, y=160, 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，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： 以上。 三、获取源码及软件完整python源码及exe软件，微信公众号"老男孩的平凡之路"后台回复"爬抖音搜索软件"即可获取。点击直达 |
【本文地址】