python抖音评论爬虫 抖音评论抓取代码

1.安装抓包工具（filder）和模拟器（夜神模拟器）

注意：抖音有ssl验证，夜神模拟器安装xposed和JustTrustMe之后，才能正常抓包，不然打开抖音是没有网的。

2.破解X-grogon签名算法。因为抖音有签名验证机制，要想直接使用抖音接口，必须破解签名算法！这里有能力的大佬可以通过反编译APP去破解，当然我是没有这个能力的，只能通过抓包工具把数据下载下来。

配置filder下载数据包：

 

static function OnBeforeResponse(oSession: Session) {
        if (m_Hide304s && oSession.responseCode == 304) {
            oSession["ui-hide"] = "true";
        }
        //将关键接口标红
        if (oSession.HostnameIs("aweme.snssdk.com")) {
            oSession["ui-color"] = "red";
        }
        
        //抓取接口的数据
        if (oSession.uriContains("https://aweme.snssdk.com/aweme/v2/comment/list/")){
            var strBody=oSession.GetResponseBodyAsString();
            var sps = oSession.PathAndQuery.slice(-58,);
            var host=oSession.PathAndQuery;
            var begin=host.indexOf('aweme_id');
            var end=host.indexOf('&count=20');
            var name=host.Substring(begin,end);
            
            var date = new Date();
            var seperator1 = "-";
            var year = date.getFullYear();
            var month = date.getMonth() + 1;
            var strDate = date.getDate();
            if (month >= 1 && month <= 9) {
                month = "0" + month;
            }
            if (strDate >= 0 && strDate <= 9) {
                strDate = "0" + strDate;
            }
            var currentdate = year + seperator1 + month + seperator1 + strDate;
            var filetitle=currentdate + '_' + name;
            
            //FiddlerObject.alert(currentdate);
            var filename = "E:/www/phpstudy_pro/WWW/douyin/commend" + "/" + filetitle + ".json";
            var curDate = new Date();
            var sw : System.IO.StreamWriter;
            if (System.IO.File.Exists(filename)){
                sw = System.IO.File.AppendText(filename);
                sw.Write(strBody);
            }
            else{
                sw = System.IO.File.CreateText(filename);
                sw.Write(strBody);
            }

            sw.Close();
            sw.Dispose();
        }
        
    }

注意：因为抖音每次只显示20条评论，所以需要通过模拟器的宏操作不断下拉获取下一页数据：

 

 录制一段下拉 的操作，不断执行就好。

3.处理数据

数据已经下载好了，接下来只要处理，提取出自己需要的数据就行了。

 

 这里我使用的是php语言处理数据。

<?php
$dir=dirname(__FILE__);
$dir=str_replace('\\','/',$dir);
$listArr = glob($dir.'/commend/*.json');

$arr=[];
foreach ($listArr as $k=>$file){
    $json=file_get_contents($file);
    $data=json_decode($json,true);
    //评论
    if (!empty($data['comments'])){
        $comments=$data['comments'];
        foreach ($comments as $id=>$comment){
            //评论
            $text=$comment['text'];
            //评论的用户
            $user=$comment['user'];
            $nickname=$user['nickname'];//昵称
            $signature=$user['signature'];//签名
            $avatar=$user['avatar_168x168']['url_list'][1];//头像
            $lable=$comment['label_text'];//身份
            //评论id
            $cid=$comment['cid'];
            //评论时间
            $createTme=$comment['create_time'];
            //视频id
            $awemeId=$comment['aweme_id'];
            //数据整合
            $arr[$cid]=[
                'awemeId'=>$awemeId,
                'text'=>$text,
                'nickname'=>$nickname,
                'signature'=>$signature,
                'avatar'=>$avatar,
                'lable'=>$lable,
                'createTme'=>$createTme,
            ];
        }
    }
    //评论为空则跳出循环
    continue;
}

echo "<pre>";
print_r($arr);
echo "</pre>";

离岸少年