码迷,mamicode.com
首页 > 编程语言 > 详细

python爬虫抖某音爬取视频 Airtest+fiddler

时间:2019-07-03 14:07:48      阅读:233      评论:0      收藏:0      [点我收藏+]

标签:规则   html   for   请求   name   system   空格   自动保存   chrome   

所用到的模块和库 :  python3+reqeuests+Airtest+fiddler

Airtest  : (app自动化软,类似Appium,网易家的本人很喜欢)

 

1.首先环境的配置 Fiddler 和Airtest

  fiddler可以设定抓取包的链接,并自动保存到设定的txt文件中

  #在配置好手机证书,以及可以抓到手机包的情况下,再看下面步骤----配置fiddler环境:https://jingyan.baidu.com/article/1876c8524581d9890b1376a5.html

                               手机抓包证书教程:https://www.jianshu.com/p/724097741bdf

  弄好之后,打开抖音,可以看到一堆抖音的包的话,就说明可以了,

      技术图片

 

  接着来下面操作,设置抓包规则并自动保存       由于截图不好截,就手机拍了= =图片不好勿打

  技术图片

  打开后按ctrl+f 搜素    OnBeforeRequest  找到这个方法

   技术图片

 

   将下面代码插入fiddler OnBeforeRequest  方法中

//保存到本地添加开始
        
		//这是抖音的地址  设定视频包的链接名
		if (
			oSession.fullUrl.Contains("v1-dy.bytecdn.cn")||
			oSession.fullUrl.Contains("v3-dy-y.bytecdn.cn")||
			oSession.fullUrl.Contains("v3-dy.z.bytecdn.cn")||
			oSession.fullUrl.Contains("v5-dy.bytecdn.cn")||
			oSession.fullUrl.Contains("v6-dy.bytecdn.cn") ||
			oSession.fullUrl.Contains("v9-dy-z.bytecdn.cn") ||
		    oSession.fullUrl.Contains("v9-dy.bytecdn.cn")
		){
            
			var fso;
			var file;
			fso = new ActiveXObject("Scripting.FileSystemObject");
			//文件保存路径,可自定义  自动保存的txt文档地址
			file = fso.OpenTextFile("E:\\url_bt\\douyin.txt",8,true);
			//file.writeLine("Request-url:" + oSession.url);
			file.writeLine("http://"+oSession.url)
			//file.writeLine("Request-host:" + oSession.host);
			//file.writeLine("Request-header:" + "\n" + oSession.oRequest.headers);
			//file.writeLine("Request-body:" + oSession.GetRequestBodyAsString());
			//file.writeLine("\n");
			file.close();
		}        
		//保存到本地添加结束

  将上面的代码插入后打开抖音刷一刷,然后去自动保存的地址查询是否有相应的txt文档,如果没有,查看fiddler对应视频包名是否有修改

  效果---这些链接可以在浏览器打开,但是可能看不到视频,那是浏览器不支持,这个无影响,  

  !!!这些地址是有有效期的。。目测是大概1-2小时吧 

  技术图片

   那么问题来了。。如何自动模拟人的滑动来获取到这些链接----华丽丽的Airtest登场(没有接触过手机自动化软件的可以先去入门了,入门后再回来查看,有appium的童鞋可以接着看)

  Airetest 基本操作教程:https://segmentfault.com/a/1190000017982620?utm_source=tag-newest

  Airtest是支持python代码操作的, 需要对应的库  :pocoui        pip install pocoui

  安装好之后,写入自动滑动抖音的视频来截取链接-----当然可以截取  推荐,同城,搜索,榜单的一些视频包,只需要打开相应的视频界面滑动

  以下是我写的自动上滑,拉动视频的代码--如果不适用,建议在Airtest上自己写好copy到python代码中就欧克

  

__author__ = "xiaojun"

from airtest.core.api import *

auto_setup(__file__)

from poco.drivers.android.uiautomation import AndroidUiautomationPoco


poco = AndroidUiautomationPoco(use_airtest_input=True, screenshot_each_action=False)
#模拟滑动
def douyin_spwipe():
    #无限循环向上滑动
    while True:
        #坐标,以及速度
        poco.swipe([0.5,0.8],[0.5,0.3],duration=0.2)
        sleep(3)

    那么有了视频的链接。。。剩下的就是写一个python代码获取这些链接并请求写入mp4视频文件中了

    !!!注意视频链接是有  有效期的 大概1-2小时吧,所以建议是,一边滑动获取链接,一边写入生成链接

     下面是python获取链接,和写入mp4的代码。。。如有不合适,请自行修改调试代码

     获取和生成两个方法可以 同时进行, 多线程,多个文件,多个进程随意   生成视频后清空txt文件,休眠十几分钟让滑动程序,继续截图视频包链接

import os
import requests
import sys

import time
from fake_useragent import UserAgent

headers = {
    User-Agent:UserAgent().chrome
}
#去重
def distinct_data():
    datalist_blank = []
    with open(rE:\url_bt\douyin.txt,r) as f:
        #读取所有行,生成列表
        f_data_list = f.readlines()
        print(f_data_list)
        for url in f_data_list:
            if len(url)>40:
                datalist_blank.append(url.strip()) #去掉\n strip去掉头尾默认空格或换行符
                # print(url.strip())


        f.close()
    # print(len(datalist_blank), datalist_blank)
    # print(len(set(datalist_blank)), set(datalist_blank))
    #去重后的列表url
    datalist_blank= list(set(datalist_blank))

    return datalist_blank

#写入文件夹
def responsedouyin():
    #获得种子链接
    data_url=distinct_data()

    #统计文件夹中视频数量
    DIR = rE:\url_bt\douyin_mp4  # 要统计的文件夹
    num = len([name for name in os.listdir(DIR) if os.path.isfile(os.path.join(DIR, name))])+1
    print(num)#文件夹现文件数量
    for url in data_url:
        # stream=True作用是推迟下载响应体直到访问Response.content属性
        # res = requests.get(url,stream=True,headers=headers)
        res = requests.get(url=url, stream=True, headers=headers)
#         #定义视频存放的路径
        pathinfo = rE:\url_bt\douyin_mp4\%d.mp4%num  #%d 用于整数输出   %s用于字符串输出
        # 实现下载进度条显示,这一步需要得到总视频大小
        total_size = int(res.headers[Content-Length])
        print(这是视频的总大小:,total_size)
        #设置流的起始值为0
        temp_size = 0
        if res.status_code == 200:
            # 将视频写入文件夹
            with open(pathinfo, wb) as file:
                file.write(res.content)
                print(pathinfo + 下载完成啦啦啦啦啦)
                num += 1

    with open(rE:\url_bt\douyin.txt, w) as f:
        f.write(‘‘)
        f.close()
    time.sleep(700)

  

  如果有优化,以及更好的方案可以随时联系我,   以上均为原创所写,转载请标明出处!

python爬虫抖某音爬取视频 Airtest+fiddler

标签:规则   html   for   请求   name   system   空格   自动保存   chrome   

原文地址:https://www.cnblogs.com/HugJun/p/11125745.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!