爬虫进阶教程:抖音APP无水印视频批量下载

2018年3月19日21:51:09 207 50,743 °C
摘要

本文为两类人准备:技术控和工具控。如果你是工具控,想简单方便地下载无水印的视频,那么可以使用第三方去水印平台,如果你是技术控,想要使用自己写的代码下载视频,那么可以使用本文的方法,用python写爬虫下载视频。

爬虫进阶教程:抖音APP无水印视频批量下载

一、前言

本文为两类人准备:技术控和工具控。

  • 如果你是工具控,想简单方便地下载无水印的视频,那么可以使用第三方去水印平台:

抖音短视频解析下载平台

  • 如果你是技术控,想要使用自己写的代码下载视频,那么可以使用本文的方法,用python写爬虫下载视频,最新开源项目:

Python3批量下载抖音无水印视频

本文的代码已经不是最新的,但是抓取思路就是如此,可以参考,代码可以直接运行使用,持续维护中

更新日志

  • 2018.5.23:github代码已经修复无法下载问题。
  • 2018.7.17:github代码已经修复参数验证问题。
  • 2018.11.07:api更新

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

weinxin
微信公众号
分享技术,乐享生活:Jack Cui公众号每周五推送“程序员欢乐送”系列资讯类文章,欢迎您的关注!
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:207   其中:访客  110   博主  97

    • avatar 小新风尘 来自天朝的朋友 火狐浏览器 Windows 7 广东省深圳市 电信 1

      抓到了这个网址,里面有视频的地址,但是把网址在浏览器打开是这样的
      {“status_code”: 0, “has_more”: 0, “max_cursor”: 0, “min_cursor”: 0, “aweme_list”: []}
      里面内容都不见了,这是为什么呢?
      查看图片

      • avatar 小新风尘 来自天朝的朋友 火狐浏览器 Windows 7 广东省深圳市 电信 1

        网址是这个https://aweme.snssdk.com/aweme/v1/aweme/post/?max_cursor=0&user_id=105009338757&count=20&retry_type=no_retry&mcc_mnc=46000&iid=60203489135&device_id=37404474410&ac=wifi&channel=update&aid=1128&app_name=aweme&version_code=432&version_name=4.3.2&device_platform=android&ssmix=a&device_type=MHA-AL00&device_brand=HUAWEI&language=zh&os_api=26&os_version=8.0.0&uuid=860718038675142&openudid=b88e1155b5181645&manifest_version_code=432&resolution=1080*1808&dpi=440&update_version_code=4322&_rticket=1550735172052&ts=1550735172&js_sdk_version=1.6.4&as=a115c5e60434dca78e2866&cp=5543c75846e7647be1Ywaa&mas=017c5c23e0cc013f9c44645de60e6d1d556c6c1c4ca61cec86c626

          • avatar Jack Cui Admin 来自天朝的朋友 Safari浏览器 Mac OS X 10_14_3 北京市 百度网讯科技联通节点

            @小新风尘 看到as cp mas参数了吧?这三个是加密的,需要模拟生成。

          • avatar 紫岚 来自天朝的朋友 谷歌浏览器 Windows 10 上海市 华东理工大学 1

            首先蟹蟹站长的分享,然后求助,运行过程中报错 :requests.exceptions.SSLError: HTTPSConnectionPool(host=’www.douyin.com’, port=443): Max retries exceeded with url: /share/user/65635313818 (Caused by SSLError(SSLError(“bad handshake: Error([(‘SSL routines’, ‘tls_process_server_certificate’, ‘certificate verify failed’)])”)))
            怎么解决鸭~~~~~~
            再次真心感谢~~~~

              • avatar Jack Cui Admin 来自天朝的朋友 Safari浏览器 Mac OS X 10_14_3 北京市 百度网讯科技联通节点

                @紫岚 这是缺少ssl认证,可以在requests.get函数中价格verify=False

                  • avatar 紫岚 来自天朝的朋友 谷歌浏览器 Windows 10 上海市 华东理工大学 1

                    @Jack Cui 请问具体怎么操作呢?没有找到这个 :cry: :cry: :cry: 真心感谢站长能回复~~~

                      • avatar Jack Cui Admin 来自天朝的朋友 Safari浏览器 Mac OS X 10_14_3 北京市 百度网讯科技联通节点

                        @紫岚 就是在那些函数里添加verfiy参数即可,不过现在接口不好用了。需要用第三方网站的接口。

                  • avatar 柠檬 来自天朝的朋友 谷歌浏览器 Windows 10 江苏省 联通 0

                    楼主你好,请问我在程序的33行req = requests.get(url=reaserch_url, verify=False)得到的页面是
                    {
                    “status_code”:2483,
                    “status_msg”: “你搜得太多啦,让服务器宝宝休息一下吧~”
                    }
                    请问你知道是什么问题吗?

                      • avatar Jack Cui Admin 来自天朝的朋友 谷歌浏览器 Mac OS X 10_14_3 北京市 百度网讯科技联通节点

                        @柠檬 接口已经更新了,需要参数验证了。