如何用Python抓抖音上的小姐姐
爬蟲的案例我們已講得太多。不過幾乎都是 網頁爬蟲 。即使有些手機才能訪問的網站，我們也可以通過 Chrome 開發者工具 的 手機模擬 功能來訪問，以便於分析請求並抓取。（比如 ofollow,noindex" target="_blank">3分鐘破譯朋友圈測試小遊戲 文章裡用的方法）
但有些 App 根本就沒有提供網頁端，比如今年火得不行的 抖音 。（網上有些教程也是用網頁手機模擬的方法，但此法現已失效。）
對於這種情況，我們能不能抓取？要怎麼抓取？今天就來分享一下。
手機抓包
本文的重點就在於 如何獲取手機 App 發出的請求 。
手機 App 不像電腦上的網頁能直接通過瀏覽器檢視相關資訊，在手機裝置上也不方便使用工具一邊流量一邊除錯。所以常用的方式就是通過在電腦上裝一些 “抓包”軟體 ，將手機上的網路請求全部顯示出來。
那為什麼電腦能看到手機上的網路請求？這裡就要提下“ 代理 ”這個概念。我們之前的文章 聽說你好不容易寫了個爬蟲，結果沒抓幾個就被封了？ 中也講過代理。形象的解釋就是字面的理解： 所有你發出的請求不再是直接發到目的地，而是先發給這個代理，再由代理幫你發出 。所以通過代理，可以實現 隱藏 IP、進入專用網路、翻…咳咳那啥 等功能，也包括我們今天說的： 手機抓包 。
順帶說句，在公共場所別隨便連不確定的免費 wifi，理論上來說，人家也可以抓你的包。
這裡，我們要用的工具是 Fiddler 。它是一個較成熟的免費抓包工具。可以抓取網頁、桌面軟體、手機 App 的網路請求，並可以執行在 Windows、Mac、Linux 平臺上，支援 iOS 和 Android。（雖說都支援，但強烈建議 Windows + Android ，後面我會有吐槽）
上週我們的送書活動收到不少同學的專案和程式碼，其中 @離島 同學提交了一個 Fiddler 手機抓包的教程。
https:// segmentfault.com/a/1190 000015571256
本文中部分內容和圖片就轉自她這篇文章。她的部落格上還有不少文章和學習筆記，可以關注交流。也歡迎其他同學給我們投稿。
下載安裝
搜尋一下 fiddler 很容易找到它們的官網 https://www. telerik.com/fiddler ，點選 download 下載即可（有個表格隨便填下）。
Windows 下載後正常安裝。如果是 Mac，還會有安裝步驟提示，告訴你需要先安裝一個叫做 Mono 的框架，以便可以執行 Fiddler.exe。另外 Mac 版還有幾個小坑：
1. 執行 mono 命令用 sudo
2. 如果報一堆錯閃退，請用 mono --arch=32 Fiddler.exe （這個引數還必須放在檔名前面）
3. 第一次正確執行時，程式 會卡住很長時間 ，以至於我以為還是掛了，這時請耐心等待。（我要不是正好有事走開，回來發現成功了，可能就放棄嘗試了）
4. 即使正常運行了，Mac 上介面也會有各種顯示的 bug，切記不要開啟的彈窗的情況下切換程式，不然回來就找不到彈窗了……
5. 軟體中無法複製……
6. 在 iOS 上無法抓取 HTTPS 請求（這基本就是廢了），需要額外建立一個證書，但這個證書工具只能在 Windows 下執行……
所以可以的話，還是用 Windows 來做。Mac 上還有個比較知名的工具 Charles ，有用過的可以留言評價下。
配置
安裝好工具後，需要做一些必要配置才能抓包。
1. Fiddler 配置
設定允許抓取 HTTPS 資訊包。開啟下載好的 fiddler，找到 Tools -> Options ，然後在 HTTPS 的工具欄下勾選 Decrpt HTTPS traffic ，在新彈出的選項欄下勾選 Ignore server certificate errors 。這樣，fiddler 就會抓取到 HTTPS 的資訊包。
設定允許外部裝置傳送 HTTP/HTTPS 到 fiddler。設定 埠號 ，並在 Connections 選項欄下勾選 Allow remote computers to connect 。
配置好後需重啟軟體。
2. 設定手機代理
在抓包前，確保你的電腦和手機是在一個 可以互訪的區域網中 。最簡單的情況就是都連在同一個 wifi 上，特殊情況這裡不展開討論（有些商用 wifi 並不能互訪）。
開啟軟體，滑鼠放在右上角的 Online 上可以看到 本機的 IP 。或者也可以通過命令列中的 ipconfig 命令（Mac/Linux 是 ifconfig ）檢視。（截圖僅為演示，以你自己的 IP 為準）
手機設定代理 IP。開啟手機 無線網路連線 ，選擇已經連線的網路連線，點選一個小圓圈歎號進入可以看到下圖（安卓也類似），選擇 配置代理 ，進入後把剛剛的 IP 地址 輸入進去， 埠 就是 fiddler 中設定的 8888。
3. 安裝證書
獲取 HTTPS 請求必須要 驗證證書 。電腦端訪問：http://localhost:8888/ 進行安裝。
手機訪問前面設定的電腦的 IP 地址加埠 8888 訪問，比如圖中例子是： http:// 192.168.23.1:8888
有些安卓需要手動從設定裡進入並匯入證書，否則無法生效。
4. 測試
開啟 fiddler 的狀態下，開啟手機隨便一個 APP，應對可以正常訪問，並且在 fiddler 中看到所發出的網路請求。
如果能訪問但看不到請求，確認下有沒有代理有沒有生效。如果不能訪問，檢查下證書是否都下載並驗證。還是不行則按照上述步驟再仔細配置一遍。
分析請求
完成這一步之後，接下來的事情就和網頁爬蟲沒太大區別了。無非就是從這些請求中，找到我們需要的那幾個。
fiddler 裡記錄的是所有請求，比較多。在操作 App 前，記得清空已有請求，方便觀察。然後再配合上 filter 篩選器 ，定義篩選規則，會較容易找你需要的內容。找到請求後，在軟體裡檢視你要的資訊，或者右鍵點選選擇將請求匯出。
經過操作+觀察，可以定位到獲取使用者上傳視訊列表的請求是
https://api.amemv.com/aweme/v1/aweme/post/?…
從 WebForms 欄裡可以檢視請求的詳細引數資訊。返回值是一個組 JSON 資料，裡面包含了視訊的下載地址。
這是一個需要經驗積累的活兒，不同的網站/App，規則都不一樣，但套路是相似的。對網頁爬蟲還不熟悉的話，先看看之前的文章 爬蟲必備工具，掌握它就解決了一半的問題 。
程式碼抓取
得到地址之後，經過在瀏覽器和程式碼裡的一番嘗試，找到了此請求的正確解鎖方式：
1. 需要提供以下引數： max_cursor=0&user_id=94763945245&count=20&aid=1128 ，其中 user_id 是你要抓取的使用者 ID，其他引數都可以固定不用改。
2. 需要使用手機的 User-Agent ，最簡單的就是 {'user-agent': 'mobile'}
請求程式碼：
import requests as rs
uid = 94763945245
url = 'https://api.amemv.com/aweme/v1/aweme/post/?max_cursor=0&user_id=%d&count=20&aid=1128' % uid
h = {'user-agent': 'mobile'}
req = rs.get(url, headers=h, verify=False)
data = req.json()
print(data)
uid 替換成你想抓的使用者 ID。獲取使用者 ID 有個簡單方法：在使用者頁面選擇分享，連結發到微信上，從網頁開啟就可以看到 user_id。
提取視訊列表並下載：
import urllib.request for video in data['aweme_list']: name = video['desc'] or video['aweme_id'] url_v = video['video']['download_addr']['url_list'][0] print(name, url_v, '\n') urllib.request.urlretrieve(url_v, name + '.mp4')
此方法截止國慶假期還是有效的，可以通過 Chrome 開發者工具進行模擬。之後能使用多久這就沒法保證了，爬蟲程式碼都不會是一勞永逸的。
總結下，重點是 fiddler 的抓取 ，關鍵是 配置、代理、證書 ，難點是 對請求的分析 。最終程式碼只有簡單兩步， 獲取視訊列表、下載視訊 。
所有程式碼其實就上面兩段，也上傳了，獲取地址請在公眾號（ Crossin的程式設計教室 ）回覆關鍵字 抖音
想看其他十多個專案程式碼例項（電影票、招聘、貪吃蛇、代理池等），回覆關鍵字 專案
下課！
════
其他文章及回答：
如何自學Python |新手引導 |精選Python 問答 |如何debug？ |Python單詞表 |知乎下載器 |人工智慧 |嘻哈 |爬蟲 |我用Python |高考 |requests |AI平臺
歡迎微信搜尋及關注： Crossin的程式設計教室