爬虫进阶教程:抖音APP无水印视频批量下载

  • A+
所属分类:网络爬虫
摘要

好久没有写文章了,因为最近一直备受小论文的折磨,今天小论文初稿终于写差不多了。看着好几天都没有更新的网站有些心疼,翻了翻爬虫代码存货,决定把抖音APP视频批量下载的代码拿出来水个文章。

爬虫进阶教程:抖音APP无水印视频批量下载

一、前言

好久没有写文章了,因为最近一直备受小论文的折磨,今天小论文初稿终于写差不多了。看着好几天都没有更新的网站有些心疼,翻了翻爬虫代码存货,决定把抖音APP视频批量下载的代码拿出来水个文章

更新日志

  • 2018.5.23:github代码已经修复无法下载问题。

二、实战背景

抖音越来越火,感觉它有毒,越刷越上瘾,总感觉下一个视频一定会更精彩,根本停不下来。想将抖音里喜欢的小哥哥/小姐姐的视频全部存到电脑硬盘里该如何操作?不想有抖音的视频水印该如何处理?

当初写完代码的截屏:

爬虫进阶教程:抖音APP无水印视频批量下载

三、实战

首先,希望你已经具备手机APP抓包分析的能力,如果不会请去自行学习:点击跳转

1、带水印视频下载

先说说带水印的视频如何抓去吧。在定好爬取目标的时候,我们应该知道自己需要那些步骤完成这项任务。比如本文中提到的任务:抖音APP固定用户的视频批量下载

思考过程:

  • 想要批量下载视频首先要获得这些视频的链接;
  • 想要获得这些视频链接可以通过用户的主页进行查看,想进用户主页,我得知道用户主页链接;
  • 用户主页链接可以通过抖音APP的搜索功能获取,那么搜索功能接口如何获取?当然是抓包看看喽!

瞧,这样思考下来,问题是不是梳理的很清楚?

搜索接口:

那么接下来就是抓包分析了,抓包过程请自行尝试。步骤是这样的:

  • 配置好Fiddler,即确定Fiddler可以对手机APP进行抓包;
  • 在手机APP搜索框中输入用户信息,点击搜索
  • 在Fiddler找到搜索接口;
  • 分析这个接口传递参数规则;
  • 写代码生成相应查询接口。

通过分析你会发现,我们通过搜索接口返回的JSON数据可以找到用户主页信息,接下里用同样的方法抓取主页用户信息再分析一波,这时候就遇到问题了,你会发现用户主页链接使用了as和cp参数进行了加密,这该如何是好?比如链接如下:

上述链接省略号部分是一些手机信息,这部分不是必须参数,可以省略。user_id是用户id可以通过上个搜索接口获取,count是用户视频数量,同样可以通过上个搜索接口获取。那最后的as和cp参数怎么办?

我没有逆向抖音APP,就是小小测试了一下,看看能不能绕过这个加密接口?抖音APP自带视频分享功能,分享链接格式如下:

中间参数都不重要,在此省略。www.douyin.com域名下存放的是分享的视频,那么这个用户主页信息是否可以通过这个域名进行访问呢?小小测试一下你会发现,完全没有问题!

这就是没有加密的接口,惊不惊喜,意不意外?根据这个用户主页接口,我们就可以轻松获取用户主页所有的视频链接了。

2、无水印视频下载

方法一:

无水印视频下载很简单,有一个通用的方法,就是使用去水印平台即可。

我使用的去水印平台是:http://douyin.iiilab.com/

在输入框中输入视频链接点击视频解析,就可以获得无水印视频链接。

这个网站当初我写代码的时候是好使的,当初用这个网站下了一些无水印视频,不过写这篇文章的时候发现这个取水印平台无法正常解析了,等它修复好了再用这个功能吧。

这个平台不仅包括抖音视频去水印,还支持火山、快手、陌陌、美拍等无水印视频。所以做一个这个网站的接口还是很合适的。

简单测试了一下,这个网站的API是需要付费解析的,如果通过模拟请求的方式有些困难,因此决定上浏览器模拟器Splinter。

Splinter是个好东西,跟Selenium使用类似,它的配置可以参考我的早期Selenium文章:http://blog.csdn.net/c406495762/article/details/72331737

Splinter有个很详细的英文文档:http://splinter.readthedocs.io/en/latest/

这里使用方法就不累述,不过有一点可以说的是,我们可以配置headless参数,来将Splinter配置为无头浏览器,啥事无头浏览器呢?就是运行Splinter不调出浏览器界面,直接在后台模拟各种请求,很是方便。

这部分的代码很简单,无非就是填充元素,确定解析按钮位置,点击按钮,获取视频下载链接即可。这点小问题,就自行分析吧。

整体代码:

方法二:

这个方法是通过网友@羽葵的反馈得知的,对下载链接直接修改即可得到无水印下载链接。

方法简单粗暴,很好用。好处就是处理速度飞快,缺点是这种方法通用性不强,不同视频发布平台的打码方法可能有不同,需要自行分析。

四、总结

玩爬虫的日子还是很有意思的,好久没有那种舒爽感了。还有,找工作也是蛮心累的事。

更多实战源码,请关注我的Github:https://github.com/Jack-Cherish/python-spider

Jack Cui

发表评论

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen:

目前评论:78   其中:访客  42   博主  36

    • avatar CnpPt 来自天朝的朋友 谷歌浏览器 Windows 10 陕西省西安市 电信 1

      在看了你的一片文章后 让我成功的学会了https://ws1.sinaimg.cn/large/8f4345edly1fs7gm8b1ifj20sg0lctb9.jpg
      感谢

        • avatar CnpPt 来自天朝的朋友 谷歌浏览器 Windows 10 陕西省西安市 电信 1

          @CnpPt 重点是这是我的第一只小虫子

            • avatar Jack Cui Admin 来自天朝的朋友 谷歌浏览器 Windows 10 北京市 联通

              @CnpPt 。。。这是种子的磁力链接吗?哈哈

                • avatar CnpPt 来自天朝的朋友 谷歌浏览器 Windows 10 陕西省西安市 电信 1

                  @Jack Cui 哈哈是的 感谢大佬 在我学习的路上估计得看光你的博客哟 :neutral: :neutral: :neutral:

                    • avatar Jack Cui Admin 来自天朝的朋友 火狐浏览器 Windows 7 北京市 百度网讯科技联通节点

                      @CnpPt 哈哈,加油。

              • avatar LJ 来自天朝的朋友 谷歌浏览器 Windows 10 北京市 电信 0

                貌似现在抖音的search API要求先登录了,返回如下信息:

                {‘status_code’: 2483, ‘rid’: ‘20180613160639010015019094244C58’, ‘status_msg’: ‘请先登录,再继续搜索吧’, ‘extra’: {‘logid’: ‘20180613160639010015019094244C58’, ‘now’: 1528877199293, ‘fatal_item_ids’: []}}

                  • avatar Jack Cui Admin 来自天朝的朋友 火狐浏览器 Windows 7 北京市 百度网讯科技联通节点

                    @LJ 今天有人反馈了,有时间更新下。

                  • avatar j'a'y 来自天朝的朋友 火狐浏览器 Windows 10 福建省福州市 电信 1

                    博主,你页面的代码显示用了什么插件,能分享下吗

                      • avatar Jack Cui Admin 来自天朝的朋友 火狐浏览器 Windows 7 北京市 百度网讯科技联通节点

                        @j'a'y Crayon Syntax Highlighter

                          • avatar j'a'y 来自天朝的朋友 火狐浏览器 Windows 10 福建省福州市 电信 1

                            @Jack Cui 多谢博主