怎么用Python爬取抖音小视频?资深程序员都这样爬取的(附源码)
怎么⽤Python爬取抖⾳⼩视频?资深程序员都这样爬取的(附源码)
简介
抖⾳,是⼀款可以拍短视频的⾳乐创意短视频社交软件,该软件于2016年9⽉上线,是⼀个专注年轻⼈的15秒⾳乐短视频社区。⽤户可以通过这款软件选择歌曲,拍摄15秒的⾳
乐短视频,形成⾃⼰的作品。此APP已在Android各⼤应⽤商店和APP Store均有上线。
今天咱们就⽤Python爬取抖⾳视频
准备:
环境:Python3.6+Windows
IDE:你开⾏就好,喜欢⽤哪个就⽤哪个
模块:
1from splinter.driver.webdriver.chrome import Options, Chrome
2from splinter.browser import Browser
3from contextlib import closing
4 import requests, json, time, re, os, sys, time
5from bs4 import BeautifulSoup
获得视频播放地址
查询的⽤户ID
视频名字列表
视频链接列表
⽤户昵称
1    def get_video_urls(self, user_id):
2
3 +        video_names = []
4 +        video_urls = []
5 +        unique_id = ''
6 +        while unique_id != user_id:
7 +            search_url = 'api.amemv/aweme/v1/discover/search/?cursor=0&keyword=%s&count=10&type=1&retry_type=no_retry&iid=17900846586&device_id=34692364855&ac=wifi&channel=xiaomi&aid=1128&app_name=aweme&
8 +            req = (url = search_url, verify = False)
9 +            html = json.)
10 +            aweme_count = html['user_list'][0]['user_info']['aweme_count']
11 +            uid = html['user_list'][0]['user_info']['uid']
12 +            nickname = html['user_list'][0]['user_info']['nickname']韩乔生模仿日本解说
13 +            unique_id = html['user_list'][0]['user_info']['unique_id']
14 +        user_url = 'www.douyin/aweme/v1/aweme/post/?user_id=%s&max_cursor=0&count=%s' % (uid, aweme_count)
15 +        req = (url = user_url, verify = False)
16 +        html = json.)
17 +        i = 1
18 +        for each in html['aweme_list']:
19 +            share_desc = each['share_info']['share_desc']
20 +            if'抖⾳-原创⾳乐短视频社区' == share_desc:
21 +                video_names.append(str(i) + '.mp4')
22 +                i += 1
23 +            else:
24 +                video_names.append(share_desc + '.mp4')
25 +            video_urls.append(each['share_info']['share_url'])
26 +
27 +        return video_names, video_urls, nickname
获得带⽔印的视频播放地址
video_url:带⽔印的视频播放地址
download_url: 带⽔印的视频下载地址
1    def get_download_url(self, video_url):
2
3 +        req = (url = video_url, verify = False)
4 +        bf = , 'lxml')
5 +        script = bf.find_all('script')[-1]
6 +        video_url_js = re.findall('var data = \[(.+)\];', str(script))[0]
7 +        video_html = json.loads(video_url_js)
8 +        download_url = video_html['video']['play_addr']['url_list'][0]
9 +        return download_url
视频下载
video_url: 带⽔印的视频地址
video_name: 视频名
watermark_flag: 是否下载不带⽔印的视频
1    def video_downloader(self, video_url, video_name, watermark_flag=True):
2 +        """
3 +        视频下载
4 +        Parameters:
5 +            video_url: 带⽔印的视频地址
6 +            video_name: 视频名
7 +            watermark_flag: 是否下载不带⽔印的视频
8 +        Returns:
9 +            ⽆
10 +        """
11 +        size = 0
12 +        if watermark_flag == True:
13 +            video_url = ve_watermark(video_url)
14 +        else:
15 +            video_url = _download_url(video_url)
16 +        with (video_url, stream=True, verify = False)) as response:
17 +            chunk_size = 1024
18 +            content_size = int(response.headers['content-length'])
19 +            if response.status_code == 200:
20 +                sys.stdout.write('  [⽂件⼤⼩]:%0.2f MB\n' % (content_size / chunk_size / 1024))
21 +
22 +                with open(video_name, "wb") as file:
23 +                    for data in response.iter_content(chunk_size = chunk_size):
24 +                        file.write(data)
25 +                        size += len(data)
26 +                        file.flush()
27 +
28 +                        sys.stdout.write('  [下载进度]:%.2f%%' % float(size / content_size * 100) + '\r')
29 +                        sys.stdout.flush()
数学小知识获得⽆⽔印的视频播放地址
1def remove_watermark(self, video_url):
2 +        """
3+        获得⽆⽔印的视频播放地址
4+        Parameters:
5+            video_url: 带⽔印的视频地址
6+        Returns:
7+            ⽆⽔印的视频下载地址
8+        """
9 +        self.driver.visit('douyin.iiilab/')
10 +        self.driver.find_by_tag('input').fill(video_url)
11 +        self.driver.find_by_xpath('//button[@class="btn btn-default"]').click()
12 +        html = self.driver.find_by_xpath('//div[@class="thumbnail"]/div/p')[0].html
13 +        bf = BeautifulSoup(html, 'lxml')
14 +        return bf.find('a').get('href')
下载视频
1def run(self):
2 +        """
3+        运⾏函数
4+        Parameters:
5+            None
6+        Returns:
7+            None
8+        """
9 +        self.hello()
10 +        user_id = input('请输⼊ID(例如40103580):')
11 +        video_names, video_urls, nickname = _video_urls(user_id)
12 +        if nickname not in os.listdir():
13 +            os.mkdir(nickname)
14 +        print('视频下载中:共有%d个作品!\n' % len(video_urls))
15 +        for num in range(len(video_urls)):
16 +            print('  解析第%d个视频链接 [%s] 中,请稍后!\n' % (num+1, video_urls[num]))
17 +            if'\\'in video_names[num]:
18 +                video_name = video_names[num].replace('\\', '')
19 +            elif'/'in video_names[num]:
20 +                video_name = video_names[num].replace('/', '')
21 +            else:
22 +                video_name = video_names[num]
23 +            self.video_downloader(video_urls[num], os.path.join(nickname, video_name))
24 +            print('\n')
25 +
26 +        print('下载完成!')
全部代码
1 +# -*- coding:utf-8 -*-
2
3 +Python学习交流:125240963
4 +Python学习交流:125240963
5 +Python学习交流:125240963
6
7 +from splinter.driver.webdriver.chrome import Options, Chrome
8 +from splinter.browser import Browser
关于公关礼仪的论文
9 +from contextlib import closing
10 +import requests, json, time, re, os, sys, time
11 +from bs4 import BeautifulSoup
12 +
13class DouYin(object):
14def__init__(self, width = 500, height = 300):
15 +        """
16+        抖⾳App视频下载
17+        """
18 +        # ⽆头浏览器
19 +        chrome_options = Options()
20 +        chrome_options.add_argument('user-agent="Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36"')
21 +        self.driver = Browser(driver_name='chrome', executable_path='D:/chromedriver', options=chrome_options, headless=True)
22 +
23def get_video_urls(self, user_id):
24 +        """
25+        获得视频播放地址
26+        Parameters:
27+            user_id:查询的⽤户ID
28+        Returns:
29+            video_names: 视频名字列表
30+            video_urls: 视频链接列表
31+            nickname: ⽤户昵称
32+        """
33 +        video_names = []
34 +        video_urls = []
张嘉译的前妻35 +        unique_id = ''
36 +        while unique_id != user_id:
37 +            search_url = 'api.amemv/aweme/v1/discover/search/?cursor=0&keyword=%s&count=10&type=1&retry_type=no_retry&iid=17900846586&device_id=34692364855&ac=wifi&channel=xiaomi&aid=1128&app_name=aweme
38 +            req = (url = search_url, verify = False)
39 +            html = json.)
40 +            aweme_count = html['user_list'][0]['user_info']['aweme_count']
41 +            uid = html['user_list'][0]['user_info']['uid']
42 +            nickname = html['user_list'][0]['user_info']['nickname']
43 +            unique_id = html['user_list'][0]['user_info']['unique_id']
44 +        user_url = 'www.douyin/aweme/v1/aweme/post/?user_id=%s&max_cursor=0&count=%s' % (uid, aweme_count)
45 +        req = (url = user_url, verify = False)
46 +        html = json.)
47 +        i = 1
48 +        for each in html['aweme_list']:
49 +            share_desc = each['share_info']['share_desc']
50 +            if'抖⾳-原创⾳乐短视频社区' == share_desc:
51 +                video_names.append(str(i) + '.mp4')
52 +                i += 1
53 +            else:
54 +                video_names.append(share_desc + '.mp4')
55 +            video_urls.append(each['share_info']['share_url'])
56 +
57 +        return video_names, video_urls, nickname
58 +
59def get_download_url(self, video_url):
60 +        """
61+        获得带⽔印的视频播放地址
62+        Parameters:
63+            video_url:带⽔印的视频播放地址
64+        Returns:
65+            download_url: 带⽔印的视频下载地址
66+        """
67 +        req = (url = video_url, verify = False)
68 +        bf = , 'lxml')
69 +        script = bf.find_all('script')[-1]
70 +        video_url_js = re.findall('var data = \[(.+)\];', str(script))[0]
71 +        video_html = json.loads(video_url_js)
72 +        download_url = video_html['video']['play_addr']['url_list'][0]
73 +        return download_url
74 +
75def video_downloader(self, video_url, video_name, watermark_flag=True):
76 +        """
77+        视频下载
78+        Parameters:
79+            video_url: 带⽔印的视频地址
80+            video_name: 视频名
81+            watermark_flag: 是否下载不带⽔印的视频
82+        Returns:
83+            ⽆
84+        """
85 +        size = 0
86 +        if watermark_flag == True:
87 +            video_url = ve_watermark(video_url)
88 +        else:
89 +            video_url = _download_url(video_url)
90 +        with (video_url, stream=True, verify = False)) as response:
91 +            chunk_size = 1024
92 +            content_size = int(response.headers['content-length'])
93 +            if response.status_code == 200:
94 +                sys.stdout.write('  [⽂件⼤⼩]:%0.2f MB\n' % (content_size / chunk_size / 1024))
95 +
96 +                with open(video_name, "wb") as file:
97 +                    for data in response.iter_content(chunk_size = chunk_size):
98 +                        file.write(data)
99 +                        size += len(data)
100 +                        file.flush()
101 +
102 +                        sys.stdout.write('  [下载进度]:%.2f%%' % float(size / content_size * 100) + '\r') 103 +                        sys.stdout.flush()
104 +
105 +
106def remove_watermark(self, video_url):
107 +        """
108+        获得⽆⽔印的视频播放地址
109+        Parameters:
110+            video_url: 带⽔印的视频地址
111+        Returns:
112+            ⽆⽔印的视频下载地址
113+        """
9月份的黑龙江有多冷114 +        self.driver.visit('douyin.iiilab/')
115 +        self.driver.find_by_tag('input').fill(video_url)奉献与爱心
116 +        self.driver.find_by_xpath('//button[@class="btn btn-default"]').click()
117 +        html = self.driver.find_by_xpath('//div[@class="thumbnail"]/div/p')[0].html
118 +        bf = BeautifulSoup(html, 'lxml')
119 +        return bf.find('a').get('href')
120 +
121def run(self):
122 +        """
123+        运⾏函数
124+        Parameters:
125+            None
126+        Returns:
127+            None
128+        """
129 +        self.hello()
130 +        user_id = input('请输⼊ID(例如40103580):')
131 +        video_names, video_urls, nickname = _video_urls(user_id)
132 +        if nickname not in os.listdir():
133 +            os.mkdir(nickname)
134 +        print('视频下载中:共有%d个作品!\n' % len(video_urls))
135 +        for num in range(len(video_urls)):
136 +            print('  解析第%d个视频链接 [%s] 中,请稍后!\n' % (num+1, video_urls[num]))
137 +            if'\\'in video_names[num]:
138 +                video_name = video_names[num].replace('\\', '')
139 +            elif'/'in video_names[num]:
140 +                video_name = video_names[num].replace('/', '')
141 +            else:
142 +                video_name = video_names[num]
143 +            self.video_downloader(video_urls[num], os.path.join(nickname, video_name))
144 +            print('\n')
145 +
146 +        print('下载完成!')
147 +
148def hello(self):
149 +        """
150+        打印欢迎界⾯
151+        Parameters:
152+            None
153+        Returns:
154+            None
155+        """
156 +        print('*' * 100)
157 +        print('\t\t\t\t抖⾳App视频下载⼩助⼿')
158 +        print('\t\t作者:Python学习交流:125240963')
159 +        print('*' * 100)
160 +
161 +
162 +if__name__ == '__main__':
163 +    douyin = DouYin()
164 +    douyin.run()

版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198,我们将在24小时内删除。