【爬虫软件】用Python开发的抖音评论区批量采集工具 抖音评论区采集软件。 一、背景说明
一、背景说明
1.1 效果演示
用python开发的爬虫采集软件，可自动抓取抖音评论数据，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。
1.2 演示视频
软件运行演示视频：见原文
1.3 软件说明
几点重要说明：
二、代码讲解
2.1 爬虫采集模块
首先，定义接口地址作为请求地址：
# 请求地址
url = 'https://www.douyin.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.douyin.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.douyin.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 = [] # 评论者抖音号
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.douyin.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。
2.2 软件界面模块
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('抖音评论采集软件 | 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。
2.3 日志模块
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：
三、转载声明
转载已获原作者 @马哥python说授权：
持续分享Python干货中，欢迎交流开发技术！