这只爬虫做了些什么事儿呢？
通过 ADB 控制你的手机，帮你自动刷抖音调用百度人脸识别的接口，给视频画面中出现的小姐姐打分自动给颜值 70 以上的小姐姐的视频点赞
有趣的是，根据抖音的推荐算法，连着刷几天之后，抖音里给你推荐的全是漂亮小姐姐了。
0. 成果展示
先演示一下效果。
连接手机（手机要允许ADB调试），运行爬虫程序，程序会自动打开抖音APP，自动寻找漂亮的小姐姐啦。
有趣的是，根据抖音的推荐算法，连着刷几天之后，抖音里给你推荐的全是漂亮小姐姐了。
刚开始刷的时候，可能几十条里都没有一个漂亮小姐姐，而刷几天之后，基本上刷到的每条视频里都是漂亮小姐姐。
看，这是我刷了三天的 “成果”， 断断续续刷了三天时间，已经 “点赞” 了两百多条漂亮小姐姐的视频。
咱有一说一啊，先不管是不是因为抖音的美颜滤镜功能强大，单纯从爬虫爬到的视频来看，这些小姐姐是真的好看，结果还是令人满意的。
下面这个是抖音里检测到漂亮小姐姐的截图画面，本来这是作为临时文件，人脸检测完即删除的，我看着好看，就给留了下来。
这个爬虫程序大概就是这样，下面详细讲解一下，这个爬虫是怎么做出来的。
1. 基础准备
这个爬虫需要用到三个东西。
- Python 环境，爬虫程序是用 Python 写的，肯定要先配置好 Python 的环境啊。没有配好的自行去安装一下 Anaconda。此外，还需要安装一些必要的库，如 requests，urllib，PIL等。
- ADB 环境，我们的爬虫需要通过 ADB 命令对手机进行操作，实现自动刷抖音，自动点赞的功能。安装方法自行百度。
- 人脸识别API，我这里用的是百度AI的人脸识别接口，大家需要自行注册一个百度AI 开放平台的账号，然后创建一个人脸识别的应用，然后将 appid，api_key，secret_key 三个参数填到爬虫代码这儿即可。
这里简单对 ADB 介绍一下。
ADB 的全称为 Android Debug Bridge，就是起到了调试桥的作用，用这个可以很方便的对安卓应用进行调试。
简单点说，就是你可以用这个工具来操作你的手机，它可以完成你在手机上能做的任何操作。
比如说安装/卸载/打开/关闭手机APP，滑动屏幕，点击，长按等等。更复杂的操作也能做，我们这里就不讲了，因为我们的这个抖音爬虫用到的 ADB 指令基本也就这些了。
a. ADB 启动应用
只需要知道应用的 package_name 和 activity_name，然后调用下面的 adb 指令，即可打开相应的应用
adb shell am start -n [package_name] [activity_name]以抖音 APP 为例，它的 package_name 和 activity_name 如下。
# 抖音App的应用包名和初始Activity
package_name = 'com.ss.android.ugc.aweme'
activity_name = 'com.ss.android.ugc.aweme.splash.SplashActivity'所以在命令行中运行下面的指令，即可打开手机中的抖音APP。
adb shell am start -n com.ss.android.ugc.aweme com.ss.android.ugc.aweme.splash.SplashActivityb. ADB 点击屏幕
在命令行中运行下面指令，即可实现手机屏幕的点击。其中 1330 1750 是点击的 x y坐标。
adb shell input tap 1330 1750以此爬虫里的抖音点赞为例，我只需要记录下抖音app中，点赞按钮对应的屏幕坐标，然后调用这句指令，即可完成自动点赞。
c. ADB 滑动屏幕
在命令行中运行下面指令，实现的是手机屏幕的滑动操作。 其中有 5 个参数。这五个数字分别表示的是，滑动起始点的 x y 坐标，滑动终止点的 x y 坐标，滑动时长。
adb shell input swipe 900 1400 400 1400 100比如上面这句指令表示的就是，从坐标（900，1400）的点，滑动到坐标 （400，1400）的点，滑动过程 100 毫秒。
其实，这句指令稍微改一改，把起始坐标和终止坐标设为一致，滑动时长设长一些，滑动操作就变成了 “长按屏幕” 操作了。
基本准备工作也差不多就这些了，下面讲一下爬虫程序的整体思路吧。
2. 爬虫整体思路
如图所示，爬虫的整个爬取思路如下。
首先启动抖音 APP，等第一个视频加载出来播放之后，截取屏幕画面，调用百度 AI 的人脸识别接口进行人脸检测和评分。
如果画面中检测到颜值评分70分以上，且性别为女的人脸，则点击屏幕中的”点赞“按钮，然后上滑播放下一条视频。
如果画面中中没有出现人脸，或者性别为男，或者颜值不足70，则继续截图检测，直到视频播放结束，或者找到满足条件的人脸为止，然后上滑播放下一条视频。
为了尽可能地不错过有漂亮小姐姐的抖音，每条视频中会截取 4 - 5 张图片进行检测，只要有一张截图中有高颜值的小姐姐，那么我们就对这个视频进行点赞。如果这样都检测不出来，只能说小姐姐藏得太深，或者漂亮的不够明显了。
大概思路就是这样，下面我们就来动手完成爬虫吧。
3. 动手撸码写爬虫
由于爬虫还是稍微有点大，所以我拆成三个部分来写。人脸识别部分，ADB 控制部分，和爬虫主逻辑部分。
（1）人脸识别部分
这部分用了调用了 百度AI 的人脸识别接口，需要将你自己申请的 appid，api_key，secret_key 三个参数填到代码里。
import base64
import urllib
import json
import requests
import sys
appid = '填写你申请的 appid'
api_key = '填写你申请的 api_key'
secret_key = '填写你申请的 secret_key'这部分的代码主要包括四个函数，包括
- get_access_token 函数，用来获取人脸识别接口必须的参数 access_token。
- identify_faces 函数 和 parse_face_pic 函数，这两个函数主要是用来将图片上传，调用人脸识别接口进行人脸识别，然后返回识别出来的人脸列表。
- analysis_face 函数，主要作用是解析前面两个函数返回的人脸列表，从而判断图片中是否有漂亮小姐姐。
def get_access_token():
"""
获取 access_token 有效期一般有一个月
"""
client_id = api_key
client_secret = secret_key
auth_url = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=' + client_id + '&client_secret=' + client_secret
header_dict =
{
'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Trident/7.0; rv:11.0) like Gecko',
"Content-Type": "application/json"
}
# 请求获取到token的接口
response_at = requests.get(auth_url, headers=header_dict)
json_result = json.loads(response_at.text)
access_token = json_result['access_token']
return access_token
def identify_faces(pic_url, pic_type, url_fi):
"""
调用人脸识别的接口，返回识别到的人脸列表
"""
headers =
{
'Content-Type': 'application/json; charset=UTF-8'
}
if pic_type == TYPE_IMAGE_NETWORK:
image = pic_url
image_type = 'URL'
else:
with open(pic_url, 'rb') as file:
image = base64.b64encode(file.read())
image_type = 'BASE64'
post_data =
{
'image': image,
'image_type': image_type,
'face_field': 'facetype,gender,age,beauty', # expression,faceshape,landmark,race,quality,glasses
'max_face_num': 2
}
response_fi = requests.post(url_fi, headers=headers, data=post_data)
json_fi_result = json.loads(response_fi.text)
# 如果人脸识别成功，返回人脸列表，否则返回None
if not json_fi_result or json_fi_result['error_msg'] != 'SUCCESS':
return None
else:
return json_fi_result['result']['face_list']
def parse_face_pic(pic_url, pic_type, access_token):
"""
人脸识别，返回人脸列表
"""
url_fi = 'https://aip.baidubce.com/rest/2.0/face/v3/detect?access_token=' + access_token
# 调用identify_faces，获取人脸列表
json_faces = identify_faces(pic_url, pic_type, url_fi)
if not json_faces:
return None
else:
return json_faces
def analysis_face(face_list):
"""
解析人脸识别结果，判断颜值是否达标
条件：性别女，颜值大于等于 70
"""
# 是否能找到漂亮小姐姐
find_plxjj = False
if face_list:
for face in face_list:
# 判断是男、女
if face['gender']['type'] == 'female':
age = face['age']
beauty = face['beauty']
if beauty >= 70:
print('发现一个 ' + str(age) + ' 岁的美女，颜值为:%d，满足条件！' % beauty)
find_plxjj= True
break
else:
print('发现一个 ' + str(age) + ' 岁的女生，颜值为:%d,不及格，继续~' % beauty)
continue
return find_plxjj（2）ADB 控制部分
ADB 控制部分，大概思路就是通过python中的 os 库执行 adb 指令，来对手机进行操作。
主要包括四个函数：
- start_my_app 函数，用来启动 抖音 APP。
- save_video_met 函数，点击 ”点赞“ 按钮。在检测到漂亮小姐姐之后调用。
- play_next_video 函数，向上滑动屏幕，播放下一个视频。
- get_screen_shot_part_img 函数，用来截取屏幕图像，保存到电脑中，以遍后续人脸识别。
import os
from PIL import Image
# 抖音App的应用包名和初始Activity
package_name = 'com.ss.android.ugc.aweme'
activity_name = 'com.ss.android.ugc.aweme.splash.SplashActivity'
def start_my_app(package_name, activity_name):
# 打开 Android 应用
os.popen('adb shell am start -n %s/%s' % (package_name, activity_name))
def save_video_met(screen_name, find_girl_num):
# 保存截图
img = Image.open(screen_name).convert('RGB')
img.save("漂亮的小姐姐/DYGirl_%d.jpg" % find_girl_num)
# 给视频点赞
os.system("adb shell input tap 1330 1750")
def play_next_video():
# 向上划屏幕，播放下一段视频
os.system("adb shell input swipe 540 1300 540 500 100")
def get_screen_shot_part_img(image_name):
# 截图
os.system("adb shell /system/bin/screencap -p /sdcard/screenshot.jpg")
os.system("adb pull /sdcard/screenshot.jpg %s" % image_name)
# 打开图片
img = Image.open(image_name).convert('RGB')
# 图片的原宽、高
w, h = img.size
# 截取部分，去掉其头像、其他内容杂乱元素
img = img.crop((0, 400, 1200, 2750))
img.thumbnail((int(w / 1.5), int(h / 1.5)))
# 保存到本地
img.save(image_name)
return image_name这些函数中的坐标是根据我手机的屏幕坐标写的（华为 Mate 20 Pro），其他型号手机的同学，可以根据自己手机屏幕的分辨率，对这些参数进行调整。
修改坐标的方法我也大概说一下，在你手机的设置中，找到开发人员选项，然后将指针位置这个打开，然后你就可以看到你点击到屏幕的位置了，顶部也会显示你点击的位置坐标。
打开抖音，手指放到点赞按钮上，记录下此时屏幕顶部显示的坐标，然后把这个坐标替换到代码中就好了。
（3）程序主逻辑部分
根据前面分析的流程图，编写爬虫程序的主逻辑。
import datetime
import time
import shutil
if __name__ == '__main__':
access_token = get_access_token()
# 设置一条视频最长的识别时间，要是墨迹 10 秒还不露脸，也不管她了，下一个
RECOGNITE_TOTAL_TIME = 10
# 识别次数
recognite_count = 0
# 图片类型【网络和本地】
TYPE_IMAGE_NETWORK = 0
TYPE_IMAGE_LOCAL = 1
print("打开抖音~")
start_my_app(package_name, activity_name)
time.sleep(5)
print("开始播放视频~")
find_girl_num = 0
# 对当前视频截图去人脸识别
while True:
# 开始识别的时间
recognite_time_start = datetime.datetime.now()
# 识别次数
recognite_count = 1
# 循环地去刷抖音
while True:
# 获取截图
screen_name = get_screen_shot_part_img('images/temp%d.jpg' % recognite_count)
# 人脸识别
recognite_result = analysis_face(parse_face_pic(screen_name, TYPE_IMAGE_LOCAL, access_token))
recognite_count += 1
# 第n次识别结束后的时间
recognite_time_end = datetime.datetime.now()
# 这是一个美女
if recognite_result:
find_girl_num += 1
save_video_met(screen_name, find_girl_num)
print("已经发现 %d 个漂亮小姐姐" % find_girl_num)
break
else:
if (recognite_time_end - recognite_time_start).seconds < RECOGNITE_TOTAL_TIME:
continue
else:
print('超时！！！这是一条没有吸引力的视频！')
# 跳出里层循环
break
# 删除临时文件
shutil.rmtree('./images')
time.sleep(0.05)
os.mkdir('./images')
# 播放下一条视频
print('==' * 30)
time.sleep(2)
print('准备播放下一个视频~')
play_next_video()
time.sleep(2)有时候网络可能卡一些，视频加载需要一些时间，所以每次划到下一条视频时，先停两秒，等视频差不多加载好了再开始检测。
后记
这个爬虫其实之前就写好了，自娱自乐。