「docker实战篇」python的docker-抖音视频抓取(上)(24)
上节主要说了通过多模拟器的并行进行数据的抓取,在没有docker环境的情况下,本次主要针对抖音的视频数据进行抓取,无论你是个人喜好,还是项目需求,大家对抖音的视频数据都很感兴趣,比如喜欢那个漂亮的×××姐都想把他的视频保存下来,方便日后的观看,慢慢的膝上。上次说的appium完成抖音粉丝数据的抓取其实也可以完成抖音视频数据的抓取,抓取的思路也是想通,通过mitmdump进行数据解析,appium模拟滑动。如果一台设备抓取比较慢,可以用多台模拟器来进行抓取。这次主要用的另一种方式来进行抓取。
成都创新互联是一家集网站建设,贵定企业网站建设,贵定品牌网站建设,网站定制,贵定网站建设报价,网络营销,网络优化,贵定网站推广为一体的创新建站企业,帮助传统企业提升企业形象加强企业竞争力。可充分满足这一群体相比中小企业更为丰富、高端、多元的互联网需求。同时我们时刻保持专业、时尚、前沿,时刻以成就客户成长自我,坚持不断学习、思考、沉淀、净化自己,让我们为更多的企业打造出实用型网站。
(一)分析分享页面
谷歌浏览器打开:https://www.douyin.com/share/user/89923219116
- 1.1刷新页面
按照图例步骤查看返回的数据
url地址:https://www.douyin.com/aweme/v1/aweme/post/?user_id=89923219116&count=21&max_cursor=0&aid=1128&_signature=HTvXTBAUQVTTUFGelHo.NB0711&dytk=2be712bf2e309b4b7947b459667ea3a1
- 1.2 json.cn中查看返回的数据格式
1.2.1返回了10条
1.2.2发现解析发现
1.2.3 打开https://aweme.snssdk.com/aweme/v1/playwm/?video_id=v0200f0e0000bhlo7ff2gdds3j6apkfg&line=0
1.2.4 也就是通过 https://www.douyin.com/aweme/v1/aweme/post/?user_id=89923219116&count=21&max_cursor=0&aid=1128&_signature=HTvXTBAUQVTTUFGelHo.NB0711&dytk=2be712bf2e309b4b7947b459667ea3a1 可以获取视频的地址
1.2.5 解析里面的参数
https://www.douyin.com/aweme/v1/aweme/post/? user_id=89923219116& count=21& max_cursor=0& aid=1128& _signature=4vFoMhAYvqksmu7gHnkAsuLxaC& dytk=2be712bf2e309b4b7947b459667ea3a1
1.2.6里面一共6个参数
user_id count max_cursor aid _signature dytk
1.2.7 下一步就是找到这6个参数的缘由从哪里获取到的。
肯定有老铁问,既然地址就知道了,直接用地址获取不完了,那么麻烦干啥? 我来截图解密,因为url地址是有时效性的
1.2.7.1 user_id 是url中的最后一个字段,可以直接获取
1.2.7.2 count 直接写死 21
1.2.7.3 max_cursor 直接写死 0,获取写时间戳
1.2.7.4 aid 直接写死 1128
1.2.7.5 dytk 直接可以通过页面获取,通过正则表达式
1.2.7.6 _signature 比较麻烦,这里一起分析下
1.2.7.6.1 查询_signature的信息,搜索:_signature
1.2.7.6.2 点击搜索出来的2个文件中的第一个,然后按照我说的步骤点击
1.2.7.6.3 输入ctrl+f 输入_signature 查询,发现_signature = signature 通过signature赋值过来的。
1.2.7.6.4 signature 查找出来3个地方
初始化
赋值signature
1.signature = _bytedAcrawler.sign(nonce),
2.nonce 其实就是user_id,user_id在页面已经获取到了
3.需要了解下_bytedAcrawler.sign1.2.7.6.5 _bytedAcrawler 怎么来的,在通过ctrl+f
_bytedAcrawler = require("douyin_falcon:node_modules/byted-acrawler/dist/runtime")
1.2.7.6.5 douyin_falcon:node_modules/byted-acrawler/dist/runtime 又是怎么来的
1.2.7.6.6 点击查找 douyin_falcon:node_modules/byted-acrawler/dist/runtime 对应的文件,发现是通过这个方法。还混淆了。
1.2.7.6.7 下图箭头处【双击】 就可以将源码里面的混淆,进行浏览器的解析成为代码。
1.2.7.6.8 下面的是高混淆的,无法解密的。
1.2.6.9 了解M的源码,经过分析(具体咋分析,根据名称经验和代码),找到base.js原来就是M的定义
PS:下一步说说解析这块,如何破解获取到_signature
网页名称:「docker实战篇」python的docker-抖音视频抓取(上)(24)
网页地址:http://ybzwz.com/article/pdopsj.html