python抖音信息采集_初探抖音的数据采集，竟然简单到无脑！

最近几天抖音有点火，火到新榜大号上周(3.20-3.25)7天发布了5篇关于抖音的报道，今天还专门建了个“微微一抖”的群。

作为一个数据狗，也该从数据层面研究一下这“一抖”了。

通过分享视频网页源代码获取数据

所有互联网能看到的数据都是可以采集的，抖音肯定也不例外。

普通情况下，我们使用爬虫采集网络信息的时候是基于其网站的前端代码，也就是你在任意位置鼠标右键—查看网页源代码看到的那些。

抖音的视频都在APP上，我们没法查看他的源代码。好在抖音可以分享到微信然后使用浏览器打开查看。

我们右键查看页面源代码，是可以看到该视频数据的：

源代码中我们可以很清楚的看到视频名称和作者的信息。

有趣的是，本来其他人不可见的视频播放数据，前端代码中也做了展示。截图中"play_count":138、"aweme_id":"6536834751905402116"、"comment_count":1和"share_count":1分别代表了该视频的播放数、视频ID、评论数和分享数。

查看该分享视频的url构造可以发现非常的简单，仅由www.douyin.com、share、video和6536834751905402116四个部分组成，其中前三部分是固定的，唯一变化的是最后一部分视频ID。按照正常的爬虫逻辑，我们只需要使用脚本不断递增该ID，即可实现遍历所有的视频。

实操发现，简单递增视频ID构造的URL视频并不存在。看来抖音对视频的ID是做了加密处理的。尝试分享了几个视频发现，ID有一定的规律，但数据量较小，无法做到解密。时间有限，我们下次再研究视频ID的递增逻辑。