- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在尝试制作一个工具,可以一次从 TikTok 上的给定用户下载每个视频。示例页面:https://www.tiktok.com/@levelsofpiano .我首先检查了 TikTok 个人资料上的 html 树,其中显示了这些“a”标签,这些标签包含指向页面上加载的每个视频的视频页面的链接。
我尝试使用 wget
使用 wget https://www.tiktok.com/@levelsofpiano > Output.html
捕获页面,但是甚至没有提到 @levelsofpiano
在生成的 html 中。我猜网站上的内容是动态加载的,太差了wget
得到一个几乎是空的页面。
然后我决定使用 testcafe
(像 Selenium 这样的 UI 测试工具)加载页面,等待 20 秒,然后捕获 html 输出......但是当我使用这种方法时视频不会加载:
这是我的脚本:
import { Selector, ClientFunction } from 'testcafe';
import fs from 'fs';
let username = "levelsofpiano";
fixture `Get Dat Tiktok`.page("https://www.tiktok.com/@" + username);
function sleep(ms) { return new Promise(resolve => setTimeout(resolve, ms)); }
/* got this definition from https://testcafe-discuss.devexpress.com/t/can-i-save-a-web-page-as-an-html-file/461 */
const getPageHTML = ClientFunction(() => document.documentElement.outerHTML);
test('Capture page with loaded elements', async t => {
await sleep(20000); //20 seconds
await fs.writeFile('./' + username + '.html',await getPageHTML(), function(err, result) {
if(err) console.log('error', err);
});
});
最佳答案
令人惊讶的是,没有 API 可以获取所有用户视频。我想出了这个 hacky 解决方案,它将首先解析页面上已加载视频的 DOM,然后设置一个 XHR 覆盖来解析由自动滚动器触发的网络请求中的 JSON。将其粘贴到控制台后,您需要等待它运行(不要手动滚动),然后您可以登录 allVideos
查看视频 ID 数组。
或者,您可以只使用自动滚动功能并使用连续加载的视频继续解析 DOM。
window.allVideos = [];
getInitialVideoIDs();
const origOpen = XMLHttpRequest.prototype.open;
XMLHttpRequest.prototype.open = function(method, url) {
this.addEventListener('load', function() {
if (this.readyState === 4 && isVideoFetch(url)) {
const responseData = JSON.parse(this.responseText);
pushVideoIDs(responseData);
checkAutoScroller(responseData);
}
});
origOpen.apply(this, arguments);
};
const autoScroller = setInterval(function() {
window.scrollTo(0, document.body.scrollHeight);
}, 1000);
function isVideoFetch(url) {
const videoFetchRegEx = /\/api\/post\/item_list\//;
return videoFetchRegEx.test(url);
}
function pushVideoIDs(responseData) {
responseData.itemList.forEach(item => {
if (allVideos.indexOf(item.id) === -1) {
allVideos.push(item.id);
}
});
}
function checkAutoScroller(responseData) {
if (!responseData.hasMore) {
clearInterval(autoScroller);
}
}
function getInitialVideoIDs() {
const videos = document.querySelectorAll('.tt-feed .video-feed-item-wrapper');
videos.forEach(video => {
const urlObj = new URL(video.href);
const path = urlObj.pathname;
const id = (path.match(/\/video\/(\d+)/) || [])[1];
allVideos.push(id);
});
}
关于html - 从 tiktok 个人资料中抓取所有视频,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/59690743/
如本answer所述,如果浏览器不支持 e,可以设置后备游标。 G。 光标:抓取;。我现在的问题是获取这些图像。在我的驱动器上本地搜索“.cur”只给了我系统光标,其中 grab.cur 和 grab
以下代码在计算机上运行以从 Instagram 帐户中抓取数据。当我尝试在 VPS 服务器上使用它时,我被重定向到 Instagram 登录页面,因此脚本不起作用。 为什么当我在电脑上或服务器上时,I
我在使用 Ruby 和 Mechanize 将 POST 查询传递到站点的网站上。访问站点的查询基于 firebug,如下所示 param.PrdNo=-1¶m.Type=Prop¶m
我正在尝试抓取一个具有多个页面结果的网站,例如“1、2、3、4、5...”。 每个分页号都是到另一个页面的链接,我需要抓取每个页面。 到目前为止,我想出了这个: while lien = page.l
我正在使用 HtmlAgilityPack 在 C# Asp.Net 中执行 Scraping,到目前为止,我在从多个 Web 执行 Scratch 时没有遇到问题,但是,尝试弹出以下代码时出现错误
如果我有一个 css 文件做这样的事情 #foo:after{content:"bar;} ,有没有办法用 javascript 获取 :after 的内容?获取父元素的内容只返回 #foo 元素的内
问题是这样的: 我有一个 Web 应用程序 - 一个经常更改的通知系统 - 在一系列本地计算机上运行。该应用程序每隔几秒刷新一次以显示新信息。计算机仅显示信息,没有键盘或任何输入设备。 问题是,如果与
我想制作一个程序来模拟用户浏览网站和点击链接。必须启用 Cookie 和 javascript。我已经在 python 中成功地做到了这一点,但我想把它写成一种可编译的语言(python ide 不会
我制作了这个小机器人,它通过搜索参数列表进行处理。它工作正常,直到页面上有几个结果: product_prices_euros 给出了一半为空的项目列表。因此,当我与 product_prices_c
我需要找到一个单词的匹配项,例如: 在网上找到所有单词“学习”https://www.georgetown.edu/(结果:4个字)(您可以看到它按CTRL + F并搜索) 我有我的 Python 代
有一个站点\资源提供一些一般统计信息以及搜索工具的界面。这种搜索操作成本高昂,因此我想限制频繁且连续(即自动)的搜索请求(来自人,而不是来自搜索引擎)。 我相信有很多现有的技术和框架可以执行一些情报抓
这并不是真正的抓取,我只是想在网页中找到类具有特定值的 URL。例如: 我想获取 href 值。关于如何做到这一点的任何想法?也许正则表达式?你能发布一些示例代码吗?我猜 html 抓取库,比如 B
我正在使用 scrapy。 我正在使用的网站具有无限滚动功能。 该网站有很多帖子,但我只抓取了 13 个。 如何抓取剩余的帖子? 这是我的代码: class exampleSpider(scrapy.
我正在尝试从这个 website 中抓取图像和新闻 url .我定义的标签是 root_tag=["div", {"class":"ngp_col ngp_col-bottom-gutter-2 ng
关闭。这个问题需要更多focused .它目前不接受答案。 想改进这个问题吗? 更新问题,使其只关注一个问题 editing this post . 关闭上个月。 Improve this ques
我在几个文件夹中有数千个 html 文件,我想从评论中提取数据并将其放入 csv 文件中。这将允许我为项目格式化和清理它。例如,我在这个文件夹中有 640 个 html 文件: D:\My Web S
我在编写用于抓取网页的实用程序时遇到了一个问题。 我正在发送 POST 请求来检索数据,我模仿我正在抓取的网络行为(根据使用 fiddler 收集的信息)。 我已经能够自动替换我的 POST 中除 V
对于 Googlebot 的 AJAX 抓取,我在我的网站中使用“_escaped_fragment_”参数。 现在我查看了 Yandex 对我网站的搜索结果。 我看到搜索结果中不存在 AJAX 响应
我正在尝试抓取网站的所有结果页面,它可以工作,但有时脚本会停止并显示此错误: 502 => Net::HTTPBadGateway for https://website.com/id/12/ --
我是一个学习网络爬虫的初学者,由于某种原因我无法爬网this地点。当我在 Chrome 中检查它时,代码看起来不错,但是当我用 BeautifulSoup 阅读它时,它不再是可刮的。汤提到“谷歌分析”
我是一名优秀的程序员,十分优秀!