一、背景说明
1.0 采集目标
采集DOU音评论数据对引流截流和获客有很多好处。首先,通过分析DOU音评论数据,我们可以更好地了解用户对于产品或内容的喜好和需求,从而调整营销策略,吸引更多用户关注和点击。其次,评论数据可以帮助我们了解竞争对手的表现和用户反馈,帮助我们找到自己的竞争优势,提升吸引用户的能力。另外,评论数据还可以帮助我们管理用户口碑,提升产品信誉度,增加用户对产品的认可度,为获客打下良好基础。最重要的是,利用评论数据进行引流截流,可以帮助我们引导用户进入我们自己的产品或平台,增加转化率,从而实现获客目标,促进业务增长。
因此,采集DOU音评论数据对引流截流和获客有着重要的作用,可以帮助我们更好地理解用户需求和行为,优化营销策略,提升产品的竞争力,吸引更多用户关注和参与。
1.1 效果演示
综上所述,我用python开发了一个爬虫采集软件,可自动抓取DOU音评论数据,并且含二级评论!
为什么有了源码还开发界面软件呢?方便不懂编程代码的小白用户使用,无需安装python、无需懂代码,双击打开即用!
软件界面截图:
爬取结果截图:
以上。
1.2 演示视频
软件运行演示:【软件演示】D音评论采集工具,可爬取上万条,含二级评论!
1.3 软件说明
几点重要说明:
1. Windows用户可直接双击打开使用,无需Python运行环境,非常方便
2. 需要填入cookie和爬取目标视频链接
3. 支持同时爬多个视频的评论
4. 可爬取10个关键字段,含:视频链接,页码,评论者昵称,评论者id(个人DY号),评论者主>页链接,评论时间,评论IP属地,评论点赞数,评论级别,评论内容。
5. 评论中包含二级评论及二级展开评论。
二、代码讲解
2.1 爬虫采集模块
首先,定义接口地址作为请求地址:
# 请求地址
url = 'https://www.douyin.com/aweme/v1/web/comment/list/'
定义一个请求头,用于伪造浏览器:
# 请求头
h1 = {'accept': 'application/json, text/plain, */*','accept-encoding': 'gzip, deflate, br','accept-language': 'zh-CN,zh;q=0.9,en-US;q=0.8,en;q=0.7','cookie': '换成自己的cookie值','referer': 'https://www.douyin.com/','sec-ch-ua': '"Not_A Brand";v="99", "Google Chrome";v="109", "Chromium";v="109"','sec-ch-ua-mobile': '?0','sec-ch-ua-platform': '"macOS"','sec-fetch-dest': 'empty','sec-fetch-mode': 'cors','sec-fetch-site': 'same-origin','user-agent': ua,
}
其中,cookie是个关键参数,需要填写到软件界面里。cookie获取方法如下:
加上请求参数,告诉程序你的爬取条件是什么:
# 请求参数
params = {'device_platform': 'webapp','aid': 6383,'channel': 'channel_pc_web','aweme_id': video_id, # 视频id'cursor': page * 20,'count': 20,'item_type': 0,'insert_ids': '','rcFT': '','pc_client_type': 1,'version_code': '170400','version_name': '17.4.0','cookie_enabled': 'true','screen_width': 1440,'screen_height': 900,'browser_language': 'zh-CN','browser_platform': 'MacIntel','browser_name': 'Chrome','browser_version': '109.0.0.0','browser_online': 'true','engine_name': 'Blink','engine_version': '109.0.0.0','os_name': 'Mac OS','os_version': '10.15.7','cpu_core_num': 4,'device_memory': 8,'platform': 'PC','downlink': 1.5,'effective_type': '4g','round_trip_time': 150,'webid': 7184233910711879229,'msToken': 'LZ3nJ12qCwmFPM1NgmgYAz73RHVG_5ytxc_EMHr_3Mnc9CxfayXlm2kbvRaaisoAdLjRVPdLx5UDrc0snb5UDyQVRdGpd3qHgk64gLh6Tb6lR16WG7VHZQ==',
}
下面就是发送请求和接收数据:
# 请求地址
url = 'https://www.douyin.com/aweme/v1/web/comment/list/'
# 发送请求
r = requests.get(url, headers=h1, params=params)
# 转json格式
json_data = r.json()
定义一些空列表,用于存放解析后字段数据:
ip_list = [] # ip属地
text_list = [] # 评论内容
create_time_list = [] # 评论时间
user_name_list = [] # 评论者昵称
user_url_list = [] # 评论者主页链接
user_unique_id_list = [] # 评论者DY号
like_count_list = [] # 点赞数
cmt_level_list = [] # 评论级别
循环解析字段数据,以"评论内容"为例:
# 循环解析
for comment in comment_list:# 评论内容text = comment['text']text_list.append(text)
其他字段同理,不再赘述。
最后,是把数据保存到csv文件:
# 保存数据到DF
df = pd.DataFrame({'目标链接': 'https://www.douyin.com/video/' + str(video_id),'页码': page,'评论者昵称': user_name_list,'评论者id': user_unique_id_list,'评论者主页链接': user_url_list,'评论时间': create_time_list,'评论IP属地': ip_list,'评论点赞数': like_count_list,'评论级别': cmt_level_list,'评论内容': text_list,}
)
# 保存到csv文件
if os.path.exists(result_file): # 如果文件存在,不再设置表头header = False
else: # 否则,设置csv文件表头header = True
df.to_csv(result_file, mode='a+', index=False, header=header, encoding='utf_8_sig')
完整代码中,还含有:判断循环结束条件、时间戳转换、二级评论及二级展开评论的采集等关键实现逻辑,详见文末。
2.2 软件界面模块
软件界面采用tkinter开发。
主窗口部分:
# 创建日志目录
work_path = os.getcwd()
if not os.path.exists(work_path + "/logs"):os.makedirs(work_path + "/logs")
# 创建主窗口
root = tk.Tk()
root.title('DY评论采集软件 | 马哥python说')
# 设置窗口大小
root.minsize(width=850, height=650)
填写cookie控件:
# 【填入Cookie】
tk.Label(root, justify='left', font=('微软', 14), text='个人Cookie:').place(x=30, y=75)
entry_ck = tk.Text(root, bg='#ffffff', width=110, height=2, )
entry_ck.place(x=30, y=100, anchor='nw') # 摆放位置
填写视频链接控件:
# 【视频链接】
tk.Label(root, justify='left', font=('微软', 14), text='视频链接:').place(x=30, y=145)
note_ids = tk.StringVar()
note_ids.set('')
entry_nt = tk.Text(root, bg='#ffffff', width=110, height=14, )
entry_nt.place(x=30, y=170, anchor='nw') # 摆放位置
底部软件版权说明:
# 版权信息
copyright = tk.Label(root, text='@马哥python说 All rights reserved.', font=('仿宋', 10), fg='grey')
copyright.place(x=290, y=625)
以上。
2.3 日志模块
好的日志功能,方便软件运行出问题后快速定位原因,修复bug。
核心代码:
def get_logger(self):self.logger = logging.getLogger(__name__)# 日志格式formatter = '[%(asctime)s-%(filename)s][%(funcName)s-%(lineno)d]--%(message)s'# 日志级别self.logger.setLevel(logging.DEBUG)# 控制台日志sh = logging.StreamHandler()log_formatter = logging.Formatter(formatter, datefmt='%Y-%m-%d %H:%M:%S')# info日志文件名info_file_name = time.strftime("%Y-%m-%d") + '.log'case_dir = r'./logs/'info_handler = TimedRotatingFileHandler(filename=case_dir + info_file_name,when='MIDNIGHT',interval=1,backupCount=7,encoding='utf-8')
日志文件截图:
三、获取源码及软件
完整python源码及exe软件,微信公众号"老男孩的平凡之路"后台回复"爬抖音评论软件"即可获取。点击直达