【爬虫案例】用Python爬取抖音热榜数据！

一、爬取目标
二、编写爬虫代码
三、同步讲解视频
- 3.1 代码演示视频
四、获取完整源码

一、爬取目标

您好，我是@马哥python说，一名10年程序猿。
本次爬取的目标是：抖音热榜
抖音热榜页面

共爬取到50条数据，对应TOP50热榜。含5个字段，分别是：

热榜排名,热榜标题,热榜时间,热度值,热榜标签。

用Chrome浏览器，右键打开开发者模式，选择：网络->XHR这个选项，重新刷新一下页面。
操作过程，如下图所示：

成功找到了50条热榜数据。

下面，开始编码爬虫代码。

二、编写爬虫代码

首先，导入需要用到的库：

import requests
import pandas as pd
import time

定义一个请求地址，即上图中的目标链接地址：

# 接口地址
url = 'https://www.douyin.com/aweme/v1/web/hot/search/list/?device_platform=webapp&aid=6383&channel=channel_pc_web&detail_list=1&source=6&pc_client_type=1&version_code=170400&version_name=17.4.0&cookie_enabled=true&screen_width=1440&screen_height=900&browser_language=en-US&browser_platform=MacIntel&browser_name=Chrome&browser_version=114.0.0.0&browser_online=true&engine_name=Blink&engine_version=114.0.0.0&os_name=Mac+OS&os_version=10.15.7&cpu_core_num=4&device_memory=8&platform=PC&downlink=1.5&effective_type=3g&round_trip_time=600&webid=7246602757481154103&msToken=A-dVF1R3L6t6yeYNVsnPA7YMBkohetjMSING0Q3C3UGXBq7B_lhuJVv6N1hF8Yum9qxQMMVa_GiSsER1Yf595bF5Q_O3-JY1hQ8s-ZPB21PCVYL5C7PEjQiPAMGtGg==&X-Bogus=DFSzswVOXn0ANcrmtjl2YN7TlqSE'

定义一个请求头，从开发者模式中的Headers->Request Headers中复制下来：

# 构造请求头
h1 = {
    'Cookie': '换成自己的cookie值',
    'Accept': 'application/json, text/plain, */*',
    'Accept-Encoding': 'gzip, deflate, br',
    'Host': 'www.douyin.com',
    'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/15.4 Safari/605.1.15',
    'Accept-Language': 'zh-CN,zh-Hans;q=0.9',
    'Referer': 'https://www.douyin.com/hot',
    'Connection': 'keep-alive'
}

不知如何获取Cookie？参考下图：
获取Cookie方法

向目标地址发送请求（带上请求头），并用json格式接收返回数据：

# 发送请求
r = requests.get(url, headers=h1)
# 用json接收请求数据
json_data = r.json()

定义一些空列表，用于存储数据：

position_list = []  # 热榜排名
title_list = []  # 热榜标题
time_list = []  # 热榜时间
hot_value_list = []  # 热度值
label_list = []  # 热榜标签

以“热榜标题”为例，解析数据：

for data in data_list:
    # 热榜标题
    title = data['word']
    print('热榜标题：', position, title)
    title_list.append(title)

其他字段同理，不再赘述。

最后，把解析到的数据，存储到Dataframe中，并保存到csv文件里：

# 拼装爬取到的数据为DataFrame
df = pd.DataFrame(
    {
        '热榜排名': position_list,
        '热榜标题': title_list,
        '热榜时间': time_list,
        '热度值': hot_value_list,
        '热榜标签': label_list,
    }
)
# 保存结果到csv文件
df.to_csv('抖音热榜.csv', index=False, encoding='utf_8_sig')

这里需要注意的是，to_csv要加上encoding='utf_8_sig'参数，防止保存到csv文件产生乱码数据。
查看部分爬取结果：