Python爬取抖音视频

<>Python爬取抖音视频

请移到Python爬取抖音视频（2）
<https://blog.csdn.net/qq_1290259791/article/details/83423001>

* 获取用户的url
* 创建指定文件夹
* 获取用户的信息
* 分析url下的视频连接
* 下载视频
<>一、获取用户的url连接

看的几个博客教程写的都是手机抓包来获取接口，和用户的url地址。
分享为连接形式就可以了。 获取的短连接形式：http://v.douyin.com/J2B9Sk/
短链接会重定向到指定连接：https://www.douyin.com/share/user/57720812347?share_type=link
需要得到跳转后的连接： # 短链接转长地址 def get_RealAddress(self, url): if
url.find('v.douyin.com') < 0: return url response = requests.get( url=url,
headers=self.header, allow_redirects=False) # allow_redirects = False 不允许跳转
return response.headers['Location']
因为在requetst.get()请求后，返回的是302，在response的headers头中会返回Location地址，这个就是重定向跳转的地址。

<>二、创建用户文件夹

**self.user_id：**是长连接中的/user/后面的id
# 创建对应的文件夹 def mkdir_dir(self): current_folder = os.getcwd()
self.target_folder = os.path.join( current_folder, 'download/%s' %
self.user_id) if not os.path.isdir(self.target_folder):
os.mkdir(self.target_folder)
<>三、获取用户信息
class DouYin: header = { 'accept':
'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8',
'accept-encoding': 'gzip, deflate, br', 'accept-language': 'zh-CN,zh;q=0.9',
'cache-control': 'max-age=0', 'upgrade-insecure-requests': '1', 'user-agent':
'Mozilla/5.0 (iPhone; CPU iPhone OS 11_0 like Mac OS X) AppleWebKit/604.1.38
(KHTML, like Gecko) Version/11.0 Mobile/15A372 Safari/604.1', } def
__init__(self, url=None): self.url = self.get_RealAddress(url) # 获取用户视频的url
self.user_video_url = 'https://www.douyin.com/aweme/v1/aweme/post/?{0}'
self.user_id = re.search(r'user/(.*)\?', self.url).group(1) # 用户id
requests.packages.urllib3.disable_warnings() # 忽略SSL self.session =
requests.Session() self.target_folder = '' # 创建文件的路径 self.queue = queue.Queue()
# 生成一个队列对象 }

打开转换后的连接，打开Chrome的调试工具，切换到NetWork里，因为里面的内容是动态加载的Ajax，所以选择XHR，分析第一个链接的参数。
有五个参数：user_id, count, max_cursor, aid, _signature。

其中user_id,count,aid是不变的，_signature是加密的，max_cursor是response返回的json参数里面的。
所以困难是如何获取加密参数_signature。
解密js文件在后面传上去,首先安装上node.js
def user_info(self): self.mkdir_dir() p = os.popen('node signature.js %s' %
self.user_id) # 获取加密的signature signature = p.readlines()[0] user_video_params =
{ 'user_id': str(self.user_id), 'count': '21', 'max_cursor': '0', 'aid':
'1128', '_signature': signature }
<>四、分析url下的视频连接
# 获取下载视频的列表 def get_aweme_list(max_cursor=None): if max_cursor:
user_video_params['max_cursor'] = str(max_cursor) user_video_url =
self.user_video_url.format( '&'.join([key + '=' + user_video_params[key] for
key in user_video_params])) # 拼接参数 response = requests.get( url=user_video_url,
headers=self.header, verify=False) contentJson =
json.loads(response.content.decode('utf-8')) # 将返回的进行utf8编码 aweme_list =
contentJson.get('aweme_list', []) for aweme in aweme_list: video_name =
aweme.get( 'share_info', None).get('share_desc', None) # 视频的名字 video_url =
aweme.get('video', None).get('play_addr', None).get( 'url_list',
None)[0].replace('playwm', 'play') # 视频链接 self.queue.put((video_name,
video_url)) # 将数据进队列 if contentJson.get('has_more') == 1: # 判断后面是不是还有是1就是还有
return get_aweme_list(contentJson.get('max_cursor')) # 有的话获取参数max_cursor
<>五、下载视频
# 下载视频 def get_download(self): while True: video_name, video_url =
self.queue.get() file_name = video_name + '.mp4' file_path =
os.path.join(self.target_folder, file_name) if not os.path.isfile(file_path):
print('download %s form %s.\n' % (file_name, video_url)) times = 0 while times
< 10: try: response = requests.get( url=video_url, stream=True, timeout=10,
verify=False) # 开启流下载 with open(file_path, 'wb') as f: for chunk in
response.iter_content(1024): # 返回迭代对象 f.write(chunk) print('下载成功') break
except: print('下载失败') times += 1
问题：

* 遇到了爬取https网站报错
* 获取加密参数signature
* 以及去视频的水印将视频链接里的playwm参数替换为play就可以了
* 可以用多线程下载更快，因为关于I/O存取还是可以用多线程操作的。
解密的js文件：下载 <https://download.csdn.net/download/qq_1290259791/10517269>

<>代码：
import requests import json import re import os from pprint import pprint as
pp import queue class DouYin: header = { 'accept':
'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8',
'accept-encoding': 'gzip, deflate, br', 'accept-language': 'zh-CN,zh;q=0.9',
'cache-control': 'max-age=0', 'upgrade-insecure-requests': '1', 'user-agent':
'Mozilla/5.0 (iPhone; CPU iPhone OS 11_0 like Mac OS X) AppleWebKit/604.1.38
(KHTML, like Gecko) Version/11.0 Mobile/15A372 Safari/604.1', } def
__init__(self, url=None): self.url = self.get_RealAddress(url) # 获取用户视频的url
self.user_video_url = 'https://www.douyin.com/aweme/v1/aweme/post/?{0}'
self.user_id = re.search(r'user/(.*)\?', self.url).group(1) # 用户id
requests.packages.urllib3.disable_warnings() self.session = requests.Session()
self.target_folder = '' # 创建文件的路径 self.queue = queue.Queue() # 生成一个队列对象 def
user_info(self): self.mkdir_dir() p = os.popen('node fuck.js %s' %
self.user_id) # 获取加密的signature signature = p.readlines()[0] user_video_params =
{ 'user_id': str(self.user_id), 'count': '21', 'max_cursor': '0', 'aid':
'1128', '_signature': signature } # 获取下载视频的列表 def
get_aweme_list(max_cursor=None): if max_cursor: user_video_params['max_cursor']
= str(max_cursor) user_video_url = self.user_video_url.format( '&'.join([key +
'=' + user_video_params[key] for key in user_video_params])) # 拼接参数 response =
requests.get( url=user_video_url, headers=self.header, verify=False)
contentJson = json.loads(response.content.decode('utf-8')) # 将返回的进行utf8编码
aweme_list = contentJson.get('aweme_list', []) for aweme in aweme_list:
video_name = aweme.get( 'share_info', None).get('share_desc', None) # 视频的名字
video_url = aweme.get('video', None).get('play_addr', None).get( 'url_list',
None)[0].replace('playwm', 'play') # 视频链接 self.queue.put((video_name,
video_url)) # 将数据进队列 if contentJson.get('has_more') == 1: # 判断后面是不是还有是1就是还有
return get_aweme_list(contentJson.get('max_cursor')) # 有的话获取参数max_cursor
get_aweme_list() # 下载视频 def get_download(self): while True: video_name,
video_url = self.queue.get() file_name = video_name + '.mp4' file_path =
os.path.join(self.target_folder, file_name) if not os.path.isfile(file_path):
print('download %s form %s.\n' % (file_name, video_url)) times = 0 while times
< 10: try: response = requests.get( url=video_url, stream=True, timeout=10,
verify=False) # 开启流下载 with open(file_path, 'wb') as f: for chunk in
response.iter_content(1024): # 返回迭代对象 f.write(chunk) print('下载成功') break
except: print('下载失败') times += 1 # 创建对应的文件夹 def mkdir_dir(self): current_folder
= os.getcwd() self.target_folder = os.path.join( current_folder, 'download/%s'
% self.user_id) if not os.path.isdir(self.target_folder):
os.mkdir(self.target_folder) # 短链接转长地址 def get_RealAddress(self, url): if
url.find('v.douyin.com') < 0: return url response = requests.get( url=url,
headers=self.header, allow_redirects=False) # allow_redirects 允许跳转 return
response.headers['Location'] if __name__ == '__main__': douyin =
DouYin(url='http://v.douyin.com/J2B9Sk/') douyin.user_info()
douyin.get_download()

• « 上一篇：从头学习爬虫（三十一）实战篇----动漫之家漫画（Java实现）
• » 下一篇：[区块链]关于区块链虚拟货币世界中‘稳定货币’的历史、机理、种类及展望