抖音爬虫教程，从0到1，获取抖音用户数据

抖音爬虫教程，从0到1，获取抖音用户数据

前言

由于最终目的是要抓取抖音视频数据，而经过抓包发现请求抖音的视频数据都须要对应用户的sec_id，这个加密的id的生成过程咱们是不知道的，可是咱们能够从抖音用户的数据包中看到对应的sec_id，并且这个加密的id不会变的，因此我能够先爬取用户的数据，但经过用户的关注列表以及粉丝列表获取其余用户的sec_id，知道了用户的数据，咱们就能够爬取用户的视频数据了。这一篇文章我将介绍抖音用户数据爬取。

---

1、分析用户请求包

若是你已经配置好环境（手机上安装好了抖音app而且抓包软件等也都配置好了），就能够开心食用下文，不然请查看环境配置而后再继续本文。

1. 分析用户数据

打开抖音，进入抖音发布者我的页面：（点击右方发布者头像进入发布者我的页面）

这个时候咱们查看fiddle抓到的包，咱们发现对应的数据的请求地址都是包含“aweme”样式的url，fiddle右上角就是咱们的请求数据，右下角就是对应的响应数据：

由于个人爬取思路是根据用户的关注列表爬取关注列表的关注列表，因此我不太关注用户自己的数据，我更感兴趣的是用户的关注列表数据以及粉丝数据，那怎么看用户的关注列表呢？

这样咱们就能够看到用户的关注列表了，那么对应的抓包软件抓到的包是什么呢：

从图中咱们能够看到follower就是用户的粉丝数据，following就是用户关注的用户。对应的请求头和响应数据以下图所示：

1.1. 请求头分析

咱们首先分析请求数据：

请求数据包括对应的url（也就是api)，对应的header数据，其中headers里面有Host、Connection、Cookie、Accept-Encoding、X-SS-QUERIES、X-SS-REQ-TICKET、X-Tt-Token、sdk-version、User-Agent、X-Khronos、X-Gorgon、X-Pods

• 咱们首先介绍对应的url

api = "https://api.amemv.com/aweme/v1/user/follower/list/?" \ # url
          "user_id={}" \   # user_id 能够在用户关注列表中搞到
          "&max_time={}" \ # 当前时间戳
          "&count=20&offset=0&source_type=1&address_book_access=2&gps_access=2" \ # 不重要
          "&ts={}" \ # 当前时间戳
          "&js_sdk_version=1.16.3.5&app_type=normal&manifest_version_code=630" \ # 不重要
          "&_rticket={}" \ # 当前时间戳
          "&ac=wifi&device_id=47012747444&iid=1846815477740845" \ # 不重要
          "&os_version=8.0.0&channel=wandoujia_aweme1&version_code=630" \ # 不重要
          "&device_type=HUAWEI%20NXT-AL10&language=zh&resolution=1080*1812&openudid=b202a24eb8c1538a" \ # 不重要
          "&update_version_code=6302&app_name=aweme&version_name=6.3.0&os_api=26&device_brand=HUAWEI&ssmix=a" \ # 不重要
          "&device_platform=android&dpi=480&aid=1128" \ # 不重要
          "&sec_user_id={}"\  # 加密的uid 能够在用户关注列表中搞到
          ".format(user_id, max_time, ts, _rticket, sec_user_id)

根据上面的api，咱们发现大部分的数据咱们是能够构造的，只有user_id以及加密的sec_user_id咱们没法本身构造，可是咱们能够经过用户的关注列表中获取到它关注的全部的用户的user_id和sec_user_id，因此咱们只须要知道一个用户的user_id和sec_user_id，咱们就能够获取和他关联的用户以及和他关联的用户的用户的user_id和sec_user_id。

• 下面咱们分析对应的请求头：

Host: api.amemv.com # 对应的host 不变
Connection: keep-alive # 不变，不重要
Cookie: "cookies"  # 重要，不变，你本身的cookie，能够在fiddle中看到
Accept-Encoding: gzip # 不变
X-SS-REQ-TICKET: 1606999477776 # 当前的时间戳，咱们能够本身构造
X-Tt-Token:  003ea17385e4...23bbe199e41467-1.0.0 # 你本身的token，重要，不变，能够在fiddle中看到
sdk-version: 1 # 不变
User-Agent: com.ss.a....0.2991.0) # 重要，你本身的ua，能够在fiddle中看到
X-Khronos: 1606999477 # 当前时间戳
X-Gorgon: 03006cc00000d7464322a76ab998c12eef987b81af552788dabd # 重要，我后面会讲怎么获取
X-Pods: # 不重要，能够不要它

经过分析请求头，咱们发现大部分数据是不变的，并且咱们均可以经过Fiddle得到，惟一不能得到的或者说会发生改变的是：X-Gorgon，经过反编译抖音APK，咱们发现它是根据请求的url和cookies和token等生成的。
这里贴一下对应的请求X-Gorgon的代码：
假设咱们已经知道了咱们本身的cookies和token以及咱们请求的url那么咱们能够获取到对应的X-Gorgon：

# 获取当前时间戳：
ts = str(time.time()).split(".")[0]
_rticket = str(time.time() * 1000).split(".")[0]
max_time = ts
user_id = "96244072243"
sec_user_id = "MS4wLjABAAAAtk0pVzYt82o_R5jUjN4FEpRlautyPFGSgioxrH-jfvg"

# 下面填写你本身的cookies和token
cookies = "你本身的cookies"
token = "你本身的token"

# 构造请求的url
url= "https://api.amemv.com/aweme/v1/user/follower/list/?" \
          "user_id={}" \
          "&max_time={}" \
          "&count=20&offset=0&source_type=1&address_book_access=2&gps_access=2" \
          "&ts={}" \
          "&js_sdk_version=1.16.3.5&app_type=normal&manifest_version_code=630" \
          "&_rticket={}" \
          "&ac=wifi&device_id=47012747444&iid=1846815477740845" \
          "&os_version=8.0.0&channel=wandoujia_aweme1&version_code=630" \
          "&device_type=HUAWEI%20NXT-AL10&language=zh&resolution=1080*1812&openudid=b202a24eb8c1538a" \
          "&update_version_code=6302&app_name=aweme&version_name=6.3.0&os_api=26&device_brand=HUAWEI&ssmix=a" \
          "&device_platform=android&dpi=480&aid=1128" \
          "&sec_user_id={}".format(user_id, max_time, ts, _rticket, sec_user_id)
# 发起请求获取X-Gorgon
headers = {
        "dou-url": url,  # 填写对应的请求的api
        "dou-cookies": cookies,  # 填写你的cookies
        "dou-token": token,  # 填写你的token
        "dou-queries": ""  # 填写你的请求的queries（没有的话，就填空置：“”）
    }
    res = requests.get("http://8.131.59.252:8080", headers=headers)
    if res.status_code==200:
        res_gorgon = json.loads(res.text)
        if res_gorgon.get("status") == 0:
            gorgon = res_gorgon.get("X-gorgon")
        else:
            print("param error when get gorgon")
            return
    else:
        print("request error when get gorgon")
        return
    print("gorgon: " + gorgon)  # 这就是你的gorgon了

• 经过获取的X-Gorgon发起请求获取响应数据，即用户的关注列表：

# 从新构造请求头：
headers = {
        "Host": "api.amemv.com",
        "Connection": "keep-alive",
        "Cookie": cookies, # 你本身的Cookies
        "Accept-Encoding": "gzip",
        "X-SS-REQ-TICKET": _rticket, # 当前时间戳，上面的代码片已经生成了
        "X-Tt-Token": "0095a45e5cc.....c42c97e37d7350",  # 你本身的token
        "sdk-version": "1",
        "User-Agent": "你本身的user-agent", 
        "X-Khronos": ts, # 当前时间戳，上面的代码片已经生成了
        "X-Gorgon": gorgon # X-gorgon，上面的代码片已经生成了
    }

# 发起请求
result = doGetGzip(url, headers) # 这是我本身写的函数，在下面的代码片中
print(result)

• doGetGzip 函数

def doGetGzip(url, headers):

    req = request.Request(url)

    for key in headers:
        req.add_header(key, headers[key])
    with request.urlopen(req) as f:
        data = f.read()
        return gzip.decompress(data).decode()

2. 分析响应数据获取用户数据

2.1. 响应数据格式：

响应的数据的格式是json的，因此通常咱们都将响应的数据转换成json进行处理，经过fiddle抓包咱们能够看到响应数据主要包括下面几个部分，而关注的用户的信息都在“followers”里面。其余的字段主要用于翻页，由于一次请求只返回20条数据，响应数据的其余字段：has_more 表示的是是否是有更的数据，max_time就是下一页数据的游标，咱们主要关注follower里的数据。

下面咱们能够看到followers里面有20条数据，每一条数据里面就是一个用户的信息

下面就是具体的每个用户的字段：

用户字段有不少，大多数对我来讲都没有用，我只关注user_id 和 对应的 sec_uid，固然若是能够看本身的需求获取更多的数据，从上图咱们发现咱们能够获取到，所以个人目的就达到了，这样我就能够把它们存下来，下面再经过它俩请求这个用户关注的用户的这两个信息，下一篇文章我将主要介绍一下如何爬取视频信息。

以上就是获取抖音用户的所有内容了，后面我会具体讲解怎么抓取视频数据等，码字不易，还请点赞关注，有任何问题请留言。

——————————————————————————————————————————

TiToData：专业的短视频、直播数据接口服务平台。

更多信息请联系： TiToData

覆盖主流平台：抖音，快手，小红书，TikTok，YouTube