README.md · Sane/抖音爬虫

![douyin](https://socialify.git.ci/erma0/douyin/image?description=1&font=Source%20Code%20Pro&forks=1&issues=1&language=1&name=1&owner=1&pattern=Circuit%20Board&stargazers=1&theme=Auto)

# ✨抖音爬虫

> ❤️[开源不易，欢迎star⭐，若能帮助到您，可以请作者喝杯咖啡☕](#请作者喝杯咖啡)

## 📢声明

> 本仓库为学习`playwright`爬虫、命令行调用`Aria2`及`FastAPI/AMIS/Eel`实现`WEBUI`的案例，仅用于测试和学习研究，禁止用于商业用途或任何非法用途。

> 任何用户直接或间接使用、传播本仓库内容时责任自负，本仓库的贡献者不对该等行为产生的任何后果负责。

> 如果相关方认为该项目的代码可能涉嫌侵犯其权利，请及时通知删除相关代码。
---

## 🏠项目地址

> [https://github.com/erma0/douyin](https://github.com/erma0/douyin)

## 🍬功能

采集账号主页作品、喜欢作品、收藏作品、音乐原声作品、搜索作品、关注列表、粉丝列表、合集作品、单个作品

PS.

- 采集账号主页作品需登录任一个账号
- 采集账号的喜欢列表需账号打开权限或登录本人账号
- 支持输入文件路径批量操作（同一类型，一行一个目标地址）
- 支持增量采集账号主页作品
- **支持监控主页最新作品**
- **支持搭建API接口**

## ‍🚩待办

> 💡欢迎PR或建议

- [x] API - FastAPI
- [ ] WEB UI - AMIS
- [ ] GUI - Eel

## 🌳文件结构

```ps
douyin                           
├─ dist                          # 编译输出目录
│  ├─ aria2c.exe                    # aria2下载器
│  ├─ douyin.exe                    # 主程序
│  └─ monitorStray.exe              # 监控新作品
├─ results                       # 网页返回数据样板
├─ browser.py                    # 浏览器启闭
├─ api.py                        # 搭建API接口
├─ exec.py                       # 命令行解析
├─ ico.ico                       # 图标logo
├─ login.py                      # 登录
├─ monitor.py                    # 监控-命令行
├─ monitorStray.py               # 监控-托盘图标
├─ README.md                     # 项目说明
├─ requirements.txt              # 依赖库
├─ spider.py                     # 爬虫核心代码
└─ test.py                       # 随手测试代码
```

---

## 🚀使用

> 📍测试环境：`Win10/11 x64` + `Python3.8/11`。

> 📭**功能未全部测试，有问题请提交issue，也可加Q群`738029092`反馈（请提供测试链接以便复现问题）**
>
### 🍔主程序

1. Windows只需下载 [releases](https://github.com/erma0/douyin/releases) 或 `dist`目录中的两个文件

> ⚠️ Linux或macOS请从[官方地址下载对应的Aria2](https://github.com/aria2/aria2/releases)，然后运行源码或自行编译

- douyin.exe
    - aria2c.exe

2. 在程序所在目录打开命令行输入命令，或者Windows系统可以直接双击打开douyin.exe后根据提示输入目标地址

- 🐔使用帮助

```ps
    -u, --urls TEXT                 账号/话题/音乐等URL或文件路径（文件内一行一个URL），可多次输入。采集本账号喜欢/
                                    收藏/关注/粉丝时可空
    -n, --num INTEGER               选填。最大采集数量，默认不限制
    -g, --grab                      选填。只采集信息，不下载作品
    -d, --download                  选填。不采集，直接下载之前采集过的配置文件，用于下载失败时重试
    -l, --login                     选填。指定是否登录，默认要登录，可避免一些风控，采集关注粉丝等信息时必须登录
    -m, --mstoken                   选填。指定是否在下载配置文件中设置UA及mstoken，默认不需要，出现下载0kb时尝试
                                    使用此参数
    -h, --headless                  选填。指定是否使用headless模式（不显示浏览器界面），默认为True，出现问题时使
                                    用此参数以便观察
    -t, --type [post|like|music|search|follow|fans|collection|video|favorite|id]
                                    选填。采集类型，支持[主页作品/喜欢/音乐/搜索/关注/粉丝/合集/单作品/收藏/抖音号
                                    查信息]，默认采集post作品，能够自动识别搜索/音乐/合集/单作品以及本账号的喜欢/收
                                    藏。
    -b, --browser [chrome|msedge|chrome-beta|msedge-beta|msedge-dev]
                                    选填。浏览器类型，默认使用稳定版EDGE，可选[chrome/msedge]以及beta
                                    或dev版本，如需使用Firefox或WebKit请自行修改browser文件
    -p, --path TEXT                 选填。下载文件夹，默认为[下载]
    -pt, --pathtype [id|title]      选填。文件夹命名格式，默认为[type]_[id]，可选[title]（不需要主页作品增
                                    量采集时建议填title，即使用[标题/昵称/关键词]来命名）
    --help                          Show this message and exit.
    ```

- 🏀使用例子（在程序所在目录打开命令行）

```ps
    # 采集本账号的喜欢
    ./douyin -t like

# 采集本账号的收藏
    ./douyin -t favorite

# 采集本账号的关注
    ./douyin -t follow

# 采集本账号的粉丝
    ./douyin -t fans

# 查询抖音号信息（可查精确粉丝数）
    ./douyin -t id -u xinhuashe

# 采集目标地址（主页）的全部作品
    ./douyin -u https://*/ 
    ./douyin -t post -u https://*/

# 采集目标地址（喜欢）的全部作品(需目标地址开放权限)
    ./douyin -u https://*/*?showTab=like
    ./douyin -t like -u https://*/

# 采集目标地址（音乐）的全部作品
    ./douyin -u https://*/ 
    ./douyin -t music -u https://*/

# 采集目标地址（搜索）的全部作品
    ./douyin -u 搜索关键字
    ./douyin -u https://*/ 
    ./douyin -t search -u https://*/

# 采集目标地址（合集）的全部作品
    ./douyin -u https://*/ 
    ./douyin -t collection -u https://*/

# 采集目标地址（关注）的全部信息
    ./douyin -t follow -u https://*/

# 采集目标地址（粉丝）的全部信息
    ./douyin -t fans -u https://*/

# 只采集目标信息，不下载
    ./douyin -g -u https://*/

# 直接下载采集过的目标地址（用于上次下载出错时）
    ./douyin -d -u https://*/

# 限制数量采集，只采集目标地址的5条结果
    ./douyin -n 5 -u https://*/

# 采集多个目标地址
    ./douyin -u https://*1/ -u https://*2/

# 采集文件[user.txt]中的多个目标地址
    ./douyin -u ./user.txt

# 指定不登录采集目标地址
    ./douyin -l -u https://*/

# 在下载配置文件中使用msToken参数（解决下载0kb问题）
    ./douyin -m -u https://*/

# 指定使用chrome采集
    ./douyin -b chrome -u https://*/

# 采集单个作品
    ./douyin -u id
    ./douyin -u https://*/ 
    ```

> 💡手动使用aria2c下载

```ps
    aria2c -c --console-log-level warn -d ./下载目录 -i 生成的下载配置文件.txt
    ```

### 🍕监控新作品🆕

1. 只需要下载`monitorStray.exe`文件
2. 在同目录下新建一个`url.txt`文件，一行一个主页链接
3. 双击运行`monitorStray.exe`即可，托盘图标可以控制启停

> ⚠️ Linux或macOS请直接运行`monitor.py`源码，或自行编译`monitorStray.py`

## 🔨编译

> ❗**不能upx压缩，否则playwright无法启动**

1. 安装依赖

```ps
    pip install -U -r ./requirements.txt
    ```

2. 安装pyinstaller

```ps
    pip install pyinstaller
    ```

3. 设置环境变量（powershell）

```ps
    $env:PLAYWRIGHT_BROWSERS_PATH="0"
    ```

4. 安装Edge或者Chrome

```ps
    playwright install msedge
    playwright install chromium
    ```

5. 打包EXE，图标可自行更换

- 编译主程序

```ps
    pyinstaller -F ./exec.py -i ./ico.ico -n douyin
    ```

- 编译监控程序

```ps
    # 命令行程序
    pyinstaller -F ./monitor.py -i ./ico.ico 
    # 托盘程序
    pyinstaller -w -F ./monitorStray.py -i ./ico.ico --add-data "ico.ico;."
    ```

> ⚠️截至目前`playwright`最新版，Windows编译时需自行[修改`playwright`源码](https://github.com/microsoft/playwright-python/issues/1778#issuecomment-1565339726)才能隐藏命令行黑窗口，也就是在`playwright/_impl/_transport.py`文件的`create_subprocess_exec` 函数中加上下面这行内容，或者直接使用`1.29.0`版本的`playwright`

```python
creationflags=134217728 if sys.platform == "win32" else 0,
```

## ☕请作者喝杯咖啡

![支付宝微信收款][1]

[1]: https://erma0.cn/images/qrcode/shouqianma.png

Sane/抖音爬虫

简介

发行版

贡献者

近期动态

Sane/抖音爬虫 .gitee-modal { width: 500px !important; }

简介

发行版

贡献者

近期动态

搜索帮助

Sane/抖音爬虫