赞
踩
以下xx代表你猜中的部分。
我用python开发了一个爬虫采集软件,可自动抓取dy评论数据,并且含二级评论!
为什么有了源码还开发界面软件呢?方便不懂编程代码的小白用户使用,无需安装python、无需懂代码,双击打开即用!
软件界面截图:
爬取结果截图:
以上。
软件运行演示:【软件演示】评论采集工具,可爬取上万条,含二级评论!
几点重要说明:
1. Windows用户可直接双击打开使用,无需Python运行环境,非常方便
2. 需要填入cookie和爬取目标视频链接
3. 支持同时爬多个视频的评论
4. 可爬取10个关键字段,含:视频链接,页码,评论者昵称,评论者id(个人xx号),评论者主>页链接,评论时间,评论IP属地,评论点赞数,评论级别,评论内容。
5. 评论中包含二级评论及二级展开评论。
首先,定义接口地址作为请求地址:
# 请求地址
url = 'https://www.xx.com/aweme/v1/web/comment/list/'
定义一个请求头,用于伪造浏览器:
# 请求头
h1 = {
'accept': 'application/json, text/plain, */*',
'accept-encoding': 'gzip, deflate, br',
'accept-language': 'zh-CN,zh;q=0.9,en-US;q=0.8,en;q=0.7',
'cookie': '换成自己的cookie值',
'referer': 'https://www.xx.com/',
'sec-ch-ua': '"Not_A Brand";v="99", "Google Chrome";v="109", "Chromium";v="109"',
'sec-ch-ua-mobile': '?0',
'sec-ch-ua-platform': '"macOS"',
'sec-fetch-dest': 'empty',
'sec-fetch-mode': 'cors',
'sec-fetch-site': 'same-origin',
'user-agent': ua,
}
其中,cookie是个关键参数,需要填写到软件界面里。cookie获取方法如下:
加上请求参数,告诉程序你的爬取条件是什么:
# 请求参数 params = { 'device_platform': 'webapp', 'aid': 6383, 'channel': 'channel_pc_web', 'aweme_id': video_id, # 视频id 'cursor': page * 20, 'count': 20, 'item_type': 0, 'insert_ids': '', 'rcFT': '', 'pc_client_type': 1, 'version_code': '170400', 'version_name': '17.4.0', 'cookie_enabled': 'true', 'screen_width': 1440, 'screen_height': 900, 'browser_language': 'zh-CN', 'browser_platform': 'MacIntel', 'browser_name': 'Chrome', 'browser_version': '109.0.0.0', 'browser_online': 'true', 'engine_name': 'Blink', 'engine_version': '109.0.0.0', 'os_name': 'Mac OS', 'os_version': '10.15.7', 'cpu_core_num': 4, 'device_memory': 8, 'platform': 'PC', 'downlink': 1.5, 'effective_type': '4g', 'round_trip_time': 150, 'webid': 7184233910711879229, 'msToken': 'LZ3nJ12qCwmFPM1NgmgYAz73RHVG_5ytxc_EMHr_3Mnc9CxfayXlm2kbvRaaisoAdLjRVPdLx5UDrc0snb5UDyQVRdGpd3qHgk64gLh6Tb6lR16WG7VHZQ==', }
下面就是发送请求和接收数据:
# 请求地址
url = 'https://www.xx.com/aweme/v1/web/comment/list/'
# 发送请求
r = requests.get(url, headers=h1, params=params)
# 转json格式
json_data = r.json()
定义一些空列表,用于存放解析后字段数据:
ip_list = [] # ip属地
text_list = [] # 评论内容
create_time_list = [] # 评论时间
user_name_list = [] # 评论者昵称
user_url_list = [] # 评论者主页链接
user_unique_id_list = [] # 评论者xx号
like_count_list = [] # 点赞数
cmt_level_list = [] # 评论级别
循环解析字段数据,以"评论内容"为例:
# 循环解析
for comment in comment_list:
# 评论内容
text = comment['text']
text_list.append(text)
其他字段同理,不再赘述。
最后,是把数据保存到csv文件:
# 保存数据到DF df = pd.DataFrame( { '目标链接': 'https://www.xx.com/video/' + str(video_id), '页码': page, '评论者昵称': user_name_list, '评论者id': user_unique_id_list, '评论者主页链接': user_url_list, '评论时间': create_time_list, '评论IP属地': ip_list, '评论点赞数': like_count_list, '评论级别': cmt_level_list, '评论内容': text_list, } ) # 保存到csv文件 if os.path.exists(result_file): # 如果文件存在,不再设置表头 header = False else: # 否则,设置csv文件表头 header = True df.to_csv(result_file, mode='a+', index=False, header=header, encoding='utf_8_sig')
完整代码中,还含有:判断循环结束条件、时间戳转换、二级评论及二级展开评论的采集等关键实现逻辑,详见文末。
软件界面采用tkinter开发。
主窗口部分:
# 创建日志目录
work_path = os.getcwd()
if not os.path.exists(work_path + "/logs"):
os.makedirs(work_path + "/logs")
# 创建主窗口
root = tk.Tk()
root.title('xx评论采集软件 | 马哥python说')
# 设置窗口大小
root.minsize(width=850, height=650)
填写cookie控件:
# 【填入Cookie】
tk.Label(root, justify='left', font=('微软', 14), text='个人Cookie:').place(x=30, y=75)
entry_ck = tk.Text(root, bg='#ffffff', width=110, height=2, )
entry_ck.place(x=30, y=100, anchor='nw') # 摆放位置
填写视频链接控件:
# 【视频链接】
tk.Label(root, justify='left', font=('微软', 14), text='视频链接:').place(x=30, y=145)
note_ids = tk.StringVar()
note_ids.set('')
entry_nt = tk.Text(root, bg='#ffffff', width=110, height=14, )
entry_nt.place(x=30, y=170, anchor='nw') # 摆放位置
底部软件版权说明:
# 版权信息
copyright = tk.Label(root, text='@马哥python说 All rights reserved.', font=('仿宋', 10), fg='grey')
copyright.place(x=290, y=625)
以上。
好的日志功能,方便软件运行出问题后快速定位原因,修复bug。
核心代码:
def get_logger(self): self.logger = logging.getLogger(__name__) # 日志格式 formatter = '[%(asctime)s-%(filename)s][%(funcName)s-%(lineno)d]--%(message)s' # 日志级别 self.logger.setLevel(logging.DEBUG) # 控制台日志 sh = logging.StreamHandler() log_formatter = logging.Formatter(formatter, datefmt='%Y-%m-%d %H:%M:%S') # info日志文件名 info_file_name = time.strftime("%Y-%m-%d") + '.log' case_dir = r'./logs/' info_handler = TimedRotatingFileHandler(filename=case_dir + info_file_name, when='MIDNIGHT', interval=1, backupCount=7, encoding='utf-8')
日志文件截图:
完整python源码及exe软件,微信公众号"老男孩的平凡之路"后台回复"爬抖音评论软件"即可获取。点击直达
我是@马哥python说,一名10年程序猿,持续分享python干货中!
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。