【GUI软件】抖音搜索结果批量采集，支持多个关键词同时抓取！

2024-04-02 21:19 由 python布道者0516 发表于 #后端开发

一、背景介绍
二、代码讲解
三、获取源码及软件

一、背景介绍

1.1 爬取目标

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