python学习——爬虫（抖音）

爬虫仅限于知识学习，本代码不得用于任何商业活动侵权，如有不适，请联系博主进行修改或者删除。
今天总结的第三篇，这些个代码是模仿着写出来的，这儿我着重写我觉有用的东西了，一上午过去了，还只弄完三篇，时间好紧张啊。
访问的是https://www.douyin.com/share/user/63692754272的抖音，找到其url，并进行访问
首先摆出源码

            
              import requests
import json
url="https://www.douyin.com/web/api/v2/aweme/like/?user_id=63692754272&sec_uid=&count=21&max_cursor=0&aid=1128&_signature=t.9P0BAd6rId0A9Qpgu2N7f.T8&dytk=102f4e17eb7a0ff33c5500bb284aaeda"
headers={
    'user-agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.25 Safari/537.36 Core/1.70.3676.400 QQBrowser/10.4.3469.400'
}
cookies={
    'cookie':'ga=GA1.2.13243249.1563845400; _gid=GA1.2.1780807193.1566271470; _ba=BA0.2-20190820-5199e-CteeFBBR2NT79iyj4gab'
}
count=1
while True:
    result = requests.get(url, headers=headers)
    result.encoding='utf-8'
    # result1=json.loads(result.text)
    result1=result.json()
    if len(result1.get("aweme_list")) !=0:
        break
    print("访问第{}次".format(count))
    count=count+1
print(result1)
x=0
for i in result1['aweme_list']:
   m=i['video']['download_addr']['uri']
   paqu='https://aweme.snssdk.com/aweme/v1/playwm/?video_id='+m
   # title = i['desc']
   # print(title)
   x+=1
   while True:
       mp4 = requests.get(paqu, headers=headers, stream=True).content
       if mp4!=None:
           break
   open(str(x)+ '.mp4', 'wb').write(mp4)

print('爬取完成')


            
          

然后着一进行分析
访问的网址是：https://www.douyin.com/share/user/63692754272/，用访问者的形式进行访问，避免反扒，这是最初级的方式，高级一点的就是再加上cookie，虽然不知道有啥用，感觉加上以后，出错的情况小很多了，解码这儿用的是utf-8

            
              import requests
import json
url="https://www.douyin.com/web/api/v2/aweme/like/?user_id=63692754272&sec_uid=&count=21&max_cursor=0&aid=1128&_signature=t.9P0BAd6rId0A9Qpgu2N7f.T8&dytk=102f4e17eb7a0ff33c5500bb284aaeda"
headers={
    'user-agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.25 Safari/537.36 Core/1.70.3676.400 QQBrowser/10.4.3469.400'
}
cookies={
    'cookie':'ga=GA1.2.13243249.1563845400; _gid=GA1.2.1780807193.1566271470; _ba=BA0.2-20190820-5199e-CteeFBBR2NT79iyj4gab'
}

            
          

因为抖音具有一种反扒措施，它这个访问结果不一定会有，需要反复访问，因此我写了个while循环，直到访问到结果

            
              count=1
while True:
    result = requests.get(url, headers=headers)
    result.encoding='utf-8'
    # result1=json.loads(result.text)
    result1=result.json()
    if len(result1.get("aweme_list")) !=0:
        break
    print("访问第{}次".format(count))
    count=count+1
print(result1)

            
          

将这一条内容放到bejson中进行解析（bejson可以百度找到）

然后再依据内容，找到我们需要的下载地址，视频的下载，需要使用其视频链接，以二进制、流的形式进行导出

            
              for i in result1['aweme_list']:
   m=i['video']['download_addr']['uri']
   paqu='https://aweme.snssdk.com/aweme/v1/playwm/?video_id='+m
   # title = i['desc']
   # print(title)
   x+=1
   while True:
       mp4 = requests.get(paqu, headers=headers, stream=True).content
       if mp4!=None:
           break
   open(str(x)+ '.mp4', 'wb').write(mp4)

            
          

存在一个未解决的问题，按理来说这儿是可以按照视频名字来命名的，但是程序执行到第四个时，会报错，我将名字换成了数字之后（也就是x），就能正常爬取了，不知道这是啥反扒措施，有大佬能解决的话，欢迎评论区留言。