如何使用Python爬取抖音APP视频

记录一下如何用python爬取app数据，本文以爬取抖音视频app为例。

• 编程工具：pycharm
• app抓包工具：mitmproxy
• app自动化工具：appium
• 运行环境：windows10

假设已经配置好我们所需要的工具

• 使用mitmproxy对手机app抓包获取我们想要的内容
• 利用appium自动化测试工具，驱动app模拟人的动作(滑动、点击等)
• 将1和2相结合达到自动化爬虫的效果

一、mitmproxy/mitmdump抓包

确保已经安装好了mitmproxy，并且手机和PC处于同一个局域网下，同时也配置好了mitmproxy的CA证书，网上有很多相关的配置教程，这里我就略过了。

因为mitmproxy不支持windows系统，所以这里用的是它的组件之一mitmdump，它是mitmproxy的命令行接口，可以利用它对接我们的Python脚本，用Python实现监听后的处理。

在配置好mitmproxy之后,在控制台上输入mitmdump并在手机上打开抖音app，mitmdump会呈现手机上的所有请求，如下图： 

可以在抖音app一直往下滑，看mitmdump所展示的请求，会发现前缀分别为：

http://v1-dy.ixigua.com/;http://v3-dy.ixigua.com/;http://v9-dy.ixigua.com/ 

这3个类型前缀的url正是我们的目标抖音视频url。

那接下来就要编写python脚本将视频下载下来，需要使用 mitmdump -s scripts.py(此处为python文件名)来执行脚本。 

import requests 
# 文件路径 
path = 'D:/video/' 
num = 1788 
  
  
def response(flow): 
    global num 
    # 经测试发现视频url前缀主要是3个 
    target_urls = ['http://v1-dy.ixigua.com/', 'http://v9-dy.ixigua.com/', 
                   'http://v3-dy.ixigua.com/'] 
    for url in target_urls: 
        # 过滤掉不需要的url 
        if flow.request.url.startswith(url): 
            # 设置视频名 
            filename = path + str(num) + '.mp4' 
            # 使用request获取视频url的内容 
            # stream=True作用是推迟下载响应体直到访问Response.content属性 
            res = requests.get(flow.request.url, stream=True) 
            # 将视频写入文件夹 
            with open(filename, 'ab') as f: 
                f.write(res.content) 
                f.flush() 
                print(filename + '下载完成') 
            num += 1 

代码写得比较粗糙，不过基本的逻辑还是比较清晰的，这样我们就可以把抖音的视频下载下来，不过这个方法有个缺陷，就是获取视频需要人来不断地滑动抖音的下一个视频，这时候我们可以用一个强大的appium自动化测试工具来解决。

二、Appium对手机进行模拟操作

确保已经配置好appium所依赖的环境Android和SDK，网上也有许多教程，这里我就不说了。

appium的用法很简单，首先我们先打开appium，启动界面如下： 

点击Start Server按钮即可启动appium服务。 

将Android手机通过数据线与PC相连，同时打开USB调试功能，可以输入adb命令(具体可以去网上查找)测试连接情况，若出现以下结果，则说明连接成功。 

model是设备名，后面配置需要用到。之后点击下图箭头所指的按钮就会出现一个配置页面。 

 

在右下角的JSON Representation配置启动app的Desired Capabilities参数，分别是paltformName、deviceName、appPackage、appActivity。

• platformName:平台名称，一般是Android或iOS.
• deviceName:设备名称，手机的具体类型
• appPackage:App程序包名
• appActivity:入口Activity名，通常以.开头 

platformName和deviceName比较容易获得，而appPackage和appActivity这两个可以通过以下方法获取到。

在控制台上输入 adb logcat>D:\log.log 命令，并且在手机打开抖音app，然后在D盘中打开log.log文件，查找Displayed关键字。 

由上图可以知道Displayed后面的 com.ss.android.ugc.aweme对应的是appPackage，.main.MainActivity对应的是appActivity，最后我们的配置结果如下： 

{ 
  "platformName": "Android", 
  "deviceName": "Mi_Note_3", 
  "appPackage": "com.ss.android.ugc.aweme", 
  "appActivity": ".main.MainActivity" 
} 

再点击Start Session即可启动Android手机上的抖音app并进入到启动页面，同时PC上会弹出一个调试窗口，从这个窗口可以预览当前手机页面，还可以对手机模拟各种操作，在本文不是重点，所以略过。 

在下面我们将使用python脚本来驱动app，直接在pycharm运行即可。 

from appium import webdriver 
from time import sleep 
  
  
class Action(): 
    def __init__(self): 
        # 初始化配置，设置Desired Capabilities参数 
        self.desired_caps = { 
            "platformName": "Android", 
            "deviceName": "Mi_Note_3", 
            "appPackage": "com.ss.android.ugc.aweme", 
            "appActivity": ".main.MainActivity" 
        } 
        # 指定Appium Server 
        self.server = 'http://localhost:4723/wd/hub' 
        # 新建一个Session 
        self.driver = webdriver.Remote(self.server, self.desired_caps) 
        # 设置滑动初始坐标和滑动距离 
        self.start_x = 500 
        self.start_y = 1500 
        self.distance = 1300 
  
    def comments(self): 
        sleep(2) 
        # app开启之后点击一次屏幕，确保页面的展示 
        self.driver.tap([(500, 1200)], 500) 
  
    def scroll(self): 
        # 无限滑动 
        while True: 
            # 模拟滑动 
            self.driver.swipe(self.start_x, self.start_y, self.start_x,  
                              self.start_y-self.distance) 
            # 设置延时等待 
            sleep(2) 
  
    def main(self): 
        self.comments() 
        self.scroll() 
  
  
if __name__ == '__main__': 
  
    action = Action() 
    action.main() 

下面是爬虫的过程。ps:偶尔会爬取到重复的视频。