準(zhǔn)備工作：

（1）手機(jī)（安卓、ios 都可以）/ 安卓模擬器，今天主要以安卓模擬器為主，操作過程一致。

( 2 ) 抓包工具：Fiddel 下載地址：

https://www.telerik.com/download/fiddler

（3）編程工具：pycharm

一、fiddler 配置

在 tools 中的 options 中，按照圖中勾選后點(diǎn)擊 Actions

選擇允許監(jiān)控遠(yuǎn)程鏈接，端口可以隨意設(shè)置，只要別重復(fù)就行，默認(rèn) 8888

二、安卓模擬器 / 手機(jī)配置

首先查看本機(jī)的 IP：在 cmd 中輸入 ipconfig，記住這個(gè) IP

手機(jī)配置：配置已連接的 WiFi，代理選擇手動，然后輸入上圖 ip 端口號為 8888

模擬器配置：設(shè)置中長按已連接 wifi，代理選擇手動，然后輸入上圖 ip 端口號為 8888

證書名稱隨便設(shè)，可能還需要設(shè)置一個(gè)鎖屏密碼。

三、抖音抓包

打開抖音，然后觀察 fiddler 中所有的包

1、視頻數(shù)量，每個(gè)包中只有這么幾個(gè)視頻，那如何抓取更多呢？

這時(shí)候需要借助模擬器的模擬鼠標(biāo)翻頁，讓模擬器一直翻頁，這樣就不斷會出現(xiàn) json 包了。

一種方法可以手動復(fù)制粘貼，但是這樣很 low。

所以我們使用 fidder 自帶的腳本，在里面添加規(guī)則，當(dāng)視頻 json 包刷出來后自動保存 json 包。

自定義規(guī)則包：

鏈接：https://pan.baidu.com/s/1wmtUUMChzuSDZFYGSyUhCg

提取碼：7z0l

點(diǎn)擊規(guī)則腳本，然后將自定義規(guī)則放在如圖所示位置：

（1）第一行的網(wǎng)址：

這個(gè)是從視頻包的 url 中摘出來的，抖音會時(shí)不時(shí)更新這個(gè) url，所以不能用了也要去更新：

比如現(xiàn)在的已經(jīng)和昨天不同了，記著修改。

接下來在 pycharm 中寫腳本獲取 json 包里的視頻鏈接：

導(dǎo)包：

import os,json,requests

偽裝頭：

headers = { ‘ User-Agent ’ : ‘ Mozilla/5.0 ( Windows NT 10.0; Win64; x64 ) AppleWebKit/537.36 ( KHTML, like Gecko ) Chrome/72.0.3626.119 Safari/537.36 ’ }

邏輯代碼：

videos_list = os.listdir ( 'C:/Users/HEXU/Desktop/ 抖音數(shù)據(jù)爬取 / 抖音爬取資料 /raw_data/' ) # 獲取文件夾內(nèi)所有 json 包名

count = 1 # 計(jì)數(shù)，用來作為視頻名字

for videos in videos_list: # 循環(huán) json 列表，對每個(gè) json 包進(jìn)行操作 a = open ( './ 抖音爬取資料 /raw_data/{}'.format ( videos ) ,encoding='utf-8' ) # 打開 json 包 content = json.load ( a ) [ 'aweme_list' ] # 取出 json 包中所有視頻

for video in content: # 循環(huán)視頻列表，選取每個(gè)視頻 video_url = video [ 'video' ] [ 'play_addr' ] [ 'url_list' ] [ 4 ] # 獲取視頻 url，每個(gè)視頻有 6 個(gè) url，我選的第 5 個(gè) videoMp4 = requests.request ( 'get',video_url,headers=headers ) .content # 獲取視頻二進(jìn)制代碼 with open ( './ 抖音爬取資料 /VIDEO/{}.mp4'.format ( count ) ,'wb' ) as f: # 以二進(jìn)制方式寫入路徑，記住要先創(chuàng)建路徑 f.write ( videoMp4 ) # 寫入 print ( ' 視頻 {} 下載完成 '.format ( count ) ) # 下載提示 count += 1 # 計(jì)數(shù) +1

本文來自精品專欄《爬蟲案例合集》