更多>>关于我们

西安鲲之鹏网络信息技术有限公司从2010年开始专注于Web(网站)数据抓取领域。致力于为广大中国客户提供准确、快捷的数据采集相关服务。我们采用分布式系统架构,日采集网页数千万。我们拥有海量稳定高匿HTTP代理IP地址池,可以有效获取互联网任何公开可见信息。

您只需告诉我们您想抓取的网站是什么,您感兴趣的字段有哪些,你需要的数据是哪种格式,我们将为您做所有的工作,最后把数据(或程序)交付给你。

数据的格式可以是CSV、JSON、XML、ACCESS、SQLITE、MSSQL、MYSQL等等。

更多>>官方微博

西安鲲之鹏
陕西 西安

加关注

  • 【经验分享】未解锁BL的手机进9008模式(Mi6X为例)

    对于未解锁BL的手机,需要拆机,通过短接特定触点的方式进入9008模式。
    以小米Mi6X为例:
    第一步,拧掉充电口旁边的两颗螺丝。
    第二步,扣开后盖,可能不太好扣,可以借助美工刀在边缘撬一下。拧掉保护条上的3个螺丝。
    第三步,拔掉电池排线。看图,记着两个短接触点的位置。
    第四步,用镊子短接两个触点,同时插入TypeC线,2秒左右设备管理器"端口COM"里会出现9008接口,此时松开镊子。
    发布时间:2024-11-27 10:13:20
  • 【经验分享】已解锁BL的手机进9008模式

    高通9008模式全称"Qualcomm HS-USB QDLoader 9008",它相对于recovery、fastboot和Android系统是独立的。即深刷模式,也叫EDL,号称"救砖神奇"。

    对于已解锁BL的手机,进入9008相对比较简单,以小米Mi6X为例:
    1. 先确定手机是否解锁BL了。已解锁BL的手机,刚开机的时候会有"Unlocked"字样,如附图1所示。
    2. 长按“音量减键 + 开机键”进入fastboot。
    3. 执行fastboot oem edl,即可进入9008模式,进入成功后设备管理器COM端口里可以看到"Qualcomm HS-USB QDLoader 9008"。如附图2、3所示。
    发布时间:2024-11-26 12:53:03
  • 【经验分享】com.android.org.conscrypt.TrustManagerImpl证书固定检测绕过示例

    某APP使用通用的sslunpinning脚本后仍然抓不到包:
    (1)分析logcat日志,发现com.android.org.conscrypt.TrustManagerImpl类相关代码抛出java.security.cert.CertificateException异常,如图1所示。
    (2)hook 类com.android.org.conscrypt.TrustManagerImpl的checkTrusted和checkServerTrusted方法,返回空列表,成功抓到包。

    日志线索寻找关键词:CertificateException、CertificateExpiredExceptio、SSLHandshakeException
    发布时间:2024-10-24 15:36:45
  • 【经验分享】如何获取安卓手机上已安装APP的安装包(.apk)文件?

    1. 先查看已安装APP列表,确定对应APP的包名。
    adb shell pm list packages
    2. 假设包名为org.gushiwen.gushiwen。再根据包名查看APP的详细信息:
    adb shell dumpsys package org.gushiwen.gushiwen
    返回信息中的path属性,以base.apk结尾的,即就是这个APP的安装文件,如附图1所示。另外返回的信息中还有当前APP的版本(versionName属性),如附图2所示。
    3. pull下来这个文件,就可以在其它设备上安装了。
    发布时间:2024-10-22 11:27:51
  • 【经验分享】Dell R720意外断电重启之后丢失硬盘(硬盘状态变为Foreign)问题解决?

    本来有10块盘,启动的时候显示只有9块Virtual Disk。“Ctrl + R”进入RAID设置,在“VD Mgmt”标签页下也只看到了9块Virtual Disk。在“PD Mgmt”标签页下看到是有10块物理盘,不过第5块状态变成“Foreign”了(如附图1所示)。

    解决方法:在“VD Mgmt”标签页下,焦点切换到"PERC H710 Mini"上按F2,然后"Foreign Config",再然后"Import",操作完成(要等待几秒)之后就能看到全部盘了,如图2所示。

    PS:用Ctrl + N快捷键切换菜单标签。
    发布时间:2024-10-18 16:35:44
  • 【经验分享】一个游戏闯关模式学习CSS Selector的网站"CSS Diner":https://flukeout.github.io/
    Python使用BeautifulSoup实现CSS Selector解析HTML文档的示例:

    import requests
    from bs4 import BeautifulSoup

    r = requests.get('http://www.site-digger.com/html/articles/')
    r.encoding = 'UTF-8'
    html = r.text
    soup = BeautifulSoup(html)
    for a in soup.select('ul[class="arclist"] li a'):
    print(a['href'], a.text)
    发布时间:2024-09-02 19:43:03
  • 【经验分享】qemu-system-x86运行tiny11
    (1) 安装qemu-system-x86,安装完成后无需重启。
    sudo apt-get update
    sudo apt-get install qemu qemu-utils qemu-system-x86
    (2) 创建硬盘。
    qemu-img create -f qcow2 tiny11.img 50G
    (3) 创建虚拟机。
    sudo qemu-system-x86_64 --enable-kvm -m 2G -smp 4 -boot order=dc -hda /home/qi/kvm/tiny11-1/tiny11.img -cdrom /home/qi/kvm/tiny11_23H2_x64.iso -vnc :1
    (4) vnc连接 "服务器ip:5901",完成系统安装过程。设置vnc密码的方法:https://qemu-project.gitlab.io/qemu/system/vnc-security.html#with-passwords
    (5) 映射主机端口给虚拟机,使用-redir参数。如下示例,将主机的TCP/UDP4001端口映射到虚拟机的4000端口。
    -redir tcp:4001::4000 -redir udp:4001::4000
    发布时间:2024-08-10 12:13:46
  • 【经验分享】Playwright过geo.captcha-delivery.com检测

    page.add_init_script('''Object.defineProperties(navigator, {webdriver:{get:()=>undefined}}); delete navigator.__proto__.webdriver;''') ​​​
    发布时间:2024-07-31 10:41:18
  • 【经验分享】scrcpy在网络质量欠佳环境下可以通过降低码率来提高流畅度
    e.g.
    scrcpy --bit-rate 1M --max-fps 5
    注意:在新版本中--bit-rate参数更名为--video-bit-rate ​​​
    发布时间:2024-07-03 10:11:54
  • 【经验分享】scrcpy在小米手机上鼠标不起作用问题的解决

    在“开发者选项”中需要打开"USB调试(安全设置) - 允许通过USB调试修改权限或模拟点击"。要打开这个选项,手机需要先登录小米账号,另外手机必须要插有SIM卡。 ​​​
    发布时间:2024-07-03 10:09:29
当前位置: 首页 > 技术文章 >
如何采集抖音的数据
发布时间:2019-05-28

抖音App和服务端交互使用的是HTTPS协议,使用Fiddler很容易可以捕获到数据,如下图所示。

不过想要自己模拟一个有效的请求可不是那么容易了,因为它使用了签名机制,在所有请求中都有as和cp两个签名参数,除非得知签名算法否则我们无法构造出有效的请求。

这里我们使用模拟操作抖音App的方式,让App帮我们发出有效的请求,然后我们拦截服务器的HTTP应答数据,再从中提取我们感兴趣的信息。

下面结合一个实际的案例介绍下整个过程,根据客户的需求,要采集一些指定用户加关后的系统推荐“你可能感兴趣”的数据(如下图所示)用于商品营销。

点击“查看更多”可以看到更多的系统推荐用户列表数据,如下图所示。

我们按如下步骤模拟操作App:

1.启动抖音。

2.点击搜索按钮。

3.输入搜索关键词(抖音用户ID),点击搜索。

4.找到匹配的用户,点击关注。

5.点击系统推荐“查看更多”,模拟多次向上滑动屏幕,直至数据加载完毕(屏幕出现“暂时没有更多了”)。

于此同时,我们使用抓包脚本(可以使用Fiddler的Customize Rules,也可以使用Mitmproxy),捕获并过滤URL中含有/user/recommend/的HTTP应答数据,从JSON数据中提取系统推荐的用户信息(如下图所示)。

模拟操作抖音App的脚本核心代码如下所示:

from com.dtmilano.android.viewclient import ViewClient

def search_douyin_for_recommend_user(douyin_id):
     """采集指定抖音账号的关注推荐数据
     """
     log(u'准备采集"{}"对应的关注推荐数据'.format(douyin_id))
     # 连设备
     serialno = None
     if serialno:
          os.system('adb connect {}'.format(serialno or ''))
          time.sleep(3)
                
     device, serialno = ViewClient.connectToDeviceOrExit(serialno=serialno)
     vc = ViewClient(device, serialno, autodump=False)
     
     # 强制关闭抖音
     log(u'强制关闭抖音.')
     device.shell('am force-stop com.ss.android.ugc.aweme')
     time.sleep(2)
     
     # 启动抖音
     log(u'启动抖音.')
     device.shell('am start -n com.ss.android.ugc.aweme/.main.MainActivity')
     time.sleep(5)
     # 暂停视频播放
     log(u'点击屏幕,暂停视频播放.')
     device.touch(514, 1048)
     
     # 点击搜索按钮
     vc.dump()
     search_btn = vc.findViewById('com.ss.android.ugc.aweme:id/amj')
     if search_btn:
          log(u'点击搜索按钮,跳转到搜索页面.')
          search_btn.touch()
     
          vc.dump()
          # 点击搜索输入框
          search_input = vc.findViewById('com.ss.android.ugc.aweme:id/ad_')
          if search_input:
               log(u'点击搜索框,准备输入关键词.')
               search_input.touch()
               
               # 输入抖音ID
               log(u'输入搜索关键词: {}.'.format(douyin_id))
               device.type(douyin_id.encode('UTF-8'))
               
               # 点击搜索按钮
               search_btn = vc.findViewById('com.ss.android.ugc.aweme:id/cp8')
               if search_btn:
                    log(u'提交搜索.')
                    search_btn.touch()
                    time.sleep(2)
                    vc.dump()
                    
                    ## 切换到用户
                    #user_tab = vc.findViewWithText(u'用户')
                    #user_tab.touch()
                    
                    # 找到匹配的
                    matches = []
                    def find_matches(view):
                         if view.getClass() == 'android.widget.TextView':
                              text = view.getText()
                              if douyin_id.lower() in text.lower():
                                   # 找到匹配的了
                                   log(u'找到匹配的: {}'.format(text))
                                   matches.append(view)
                              else:
                                   #print text
                                   pass
                    vc.traverse(transform=lambda view: find_matches(view))
                    if matches:
                         # 有没有已关注按钮
                         btn = vc.findViewWithText(u'已关注')
                         if btn:
                              # 先取消关注
                              log(u'之前关注过,先取消关注.')
                              btn.touch()
                              time.sleep(1)
                         user_matched = matches[0]
                         log(u'点击进入个人主页.')
                         user_matched.touch()
                         time.sleep(1)
                         
                         # 点关注
                         vc.dump()
                         follow_btn = vc.findViewById('com.ss.android.ugc.aweme:id/aei')
                         if follow_btn:
                              # 点击关注
                              log(u'点击关注')
                              follow_btn.touch()
                              time.sleep(1)
                              # 点击查看更多
                              vc.dump()
                              viewmore_btn = vc.findViewById('com.ss.android.ugc.aweme:id/bqn')
                              if viewmore_btn:
                                   # 点击查看更多
                                   log(u'点击查看更多系统推荐')
                                   viewmore_btn.touch()
                                   time.sleep(1)
                                   i = 0
                                   while True:
                                        # 上滑动
                                        device.drag((345, 1762), (345, 550), duration=100)
                                        log(u'上滑以加载更多')
                                        i += 1
                                        if i % 5 == 0:
                                             # 拖动10次判断一下是否还有更多
                                             vc.dump()
                                             if vc.findViewWithText(u'暂时没有更多了'):
                                                  log(u'暂时没有更多了, "{}"的关注推荐数据采集完毕.'.format(douyin_id))
                                                  # 采集成功了
                                                  return True
                                             failed_tip = vc.findViewWithText(u'加载失败,点击重试')
                                             if failed_tip:
                                                  log(u'加载失败,点击重试.')
                                                  failed_tip.touch()
                              else:
                                   # 没有找到查看更多按钮
                                   log(u'没有找到查看更多按钮')
                         else:
                              # 没有找到加关注按钮
                              log(u'没有找到加关注按钮')
                    else:
                         # 没有找到匹配的用户
                         log(u'没有找到匹配的用户')
               else:
                   # 没有找到搜索提交按钮
                    log(u'没有找到搜索提交按钮.')
          else:
               # 没有找到搜索输入框
               log(u'没有找到搜索输入框.')
     else:
          # 没有找到搜索按钮
          log(u'没有找到搜索按钮.')

上述脚本的运行截图如下所示:

最后附上抓取到的部分示例数据:

http://db.site-digger.com/csv/646f7579696e5f757365725f7265636f6d6d656e645f73616d706c65/

 

特别说明:本文旨在技术交流,请勿将涉及的技术用于非法用途,否则一切后果自负。如果您觉得我们侵犯了您的合法权益,请联系我们予以处理。
☹ Disqus被Qiang了,之前所有的评论内容都看不到了。如果您有爬虫相关技术方面的问题,欢迎发到我们的问答平台:http://spider.site-digger.com/