Fiddler抓取抖音视频数据

　　Fiddler抓取抖音视频数据

　　

　　准备工作：

　　（1）、手机（安卓、ios都可以）/安卓模拟器，今天主要以安卓模拟器为主，操作过程一致。

　　( 2）、抓包工具：Fiddel 下载地址：

　　（ ）

　　（3）、编程工具：pycharm

　　（4）、安卓模拟器上安装抖音（逍遥安装模拟器）

　　一、fiddler配置

　　在tools中的options中，按照图中勾选后点击Actions

　　

　　配置远程链接：

　　选择允许监控远程链接，端口可以随意设置，只要别重复就行，默认8888

　　

　　然后：重启fiddler！！！这样配置才能生效。

　　二、安卓模拟器/手机配置

　　首先查看本机的IP：在cmd中输入ipconfig，记住这个IP

　　

　　手机确保和电脑在同一局域网下。

　　手机配置：配置已连接的WiFi，代理选择手动，然后输入上图ip端口号为8888

　　模拟器配置：设置中长按已连接wifi，代理选择手动，然后输入上图ip端口号为8888

　　

　　

　　代理设置好后，在浏览器中输入你设置的ip：端口，例如10.10.16.194：8888，就会打开fiddler的页面。然后点击fiddlerRoot certificate安装证书，要不手机会认为环境不安全。

　　证书名称随便设，可能还需要设置一个锁屏密码。

　　

　　接下来就可以在fiddler中抓到手机/模拟器软件的包了。

　　三、抖音抓包

　　打开抖音，然后观察fiddler中所有的包

　　其中有个包，包类型为json（json就是网页返回的数据，具体百度），主机地址如图，包大小一般不小，这个就是视频包。

　　点击这个json包，在fidder右侧，点击解码，我们将视频包的json解码

　　

　　解码后：点击aweme_list,其中每个大括号代表一个视频，这个和bilibili弹幕或者快手一样，每次加载一点出来，等你看完预加载的，再重新加载一些。

　　Json是一个字典，我们的视频链接在：aweme_list中，每个视频下的video下的play_addr下的url_list中，一共有6个url，是完全一样的视频，可能是为了应付不同环境，但是一般第3或4个链接的视频不容易出问题，复制链接，浏览器中粘贴就能看到视频了。

　　接下来解决几个问题，

　　1、视频数量，每个包中只有这么几个视频，那如何抓取更多呢？

　　这时候需要借助模拟器的模拟鼠标翻页，让模拟器一直翻页，这样就不断会出现json包了。

　　

　　2、如何json保存在本地使用

　　一种方法可以手动复制粘贴，但是这样很low。

　　所以我们使用fidder自带的脚本，在里面添加规则，当视频json包刷出来后自动保存json包。

　　自定义fiddler规则包：

　　提取码：7z0l

　　点击规则脚本，然后将自定义规则放在如图所示位置：

　　这个脚本有两点需要修改的：

　　（1）第一行的网址：

　　这个是从视频包的url中摘出来的，抖音会时不时更新这个url，所以不能用了也要去更新：

　　比如现在的已经和昨天不同了，记着修改。

　　（2）路径，那个是我设置json包保存的地址，自己一定要去修改，并创建文件夹，修改完记着点保存。

　　打开设置好模拟器和脚本后，等待一会，就可以看到文件夹中保存的包了：

　　

　　四、爬虫脚本

　　接下来在pycharm中写脚本获取json包里的视频链接：

　　导包：

　　import os,json,requests

　　伪装头：

　　headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/72.0.3626.119 Safari/537.36'}

　　逻辑代码：

　　

　　运行代码：

　　

　　效果：

　　

　　源码：

　　 import os,json,requests #伪装头 headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/72.0.3626.119 Safari/537.36'} videos_list = os.listdir('C:/Users/HEXU/Desktop/抖音数据爬取/抖音爬取资料/raw_data/') #获取文件夹内所有json包名 count = 1 #计数，用来作为视频名字 for videos in videos_list: #循环json列表，对每个json包进行操作 a = open('./抖音爬取资料/raw_data/{}'.format(videos),encoding='utf-8') #打开json包 content = json.load(a)['aweme_list'] #取出json包中所有视频 for video in content: #循环视频列表，选取每个视频 video_url = video['video']['play_addr']['url_list'][4] #获取视频url，每个视频有6个url，我选的第5个 videoMp4 = requests.request('get',video_url,headers=headers).content #获取视频二进制代码 with open('./抖音爬取资料/VIDEO/{}.mp4'.format(count),'wb') as f: #以二进制方式写入路径，记住要先创建路径 f.write(videoMp4) #写入 print('视频{}下载完成'.format(count)) #下载提示 count += 1 #计数+1