一、背景介绍
1.1 爬取目标
用python开发的爬虫采集软件，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
软件运行演示视频：
请见原文
1.3 软件说明
几点重要说明：
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：
# 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、转载声明
转载已获原作者 @马哥python说 授权：
标签：count,视频,name,Python,self,list,爬取,软件 From： https://www.cnblogs.com/ws235/p/18212596