dy网页直播间弹幕实时获取逻辑分析9.27

目标：模拟浏览器访问抖音网页直播间，调用抖音内部 IM 长轮询接口，抓取直播间弹幕、礼物、用户进房消息。

操作过程：
先打开直播间并开启抓包工具，发现直播间消息并非 WebSocket（wss://ws.）形式

直接请求弹幕接口地址：

游客，如果您要查看本帖隐藏内容请回复

抖音直播接口返回的不是 JSON，是二进制 protobuf 协议数据，编写通用解析器，把任意 protobuf 拆成 [(字段号, 类型, 值)] 的列表
该接口可返回完整消息类型，解析后包括：ChatMessage（评论弹幕）、MemberMessage（用户进场）、LikeMessage（点赞）

分析实时流量，判断抖音网页直播间的评论消息不使用 WebSocket 推送，而是采用 HTTP 轮询机制
通过直播间短 ID（web_rid）获取房间真实 room_id，循环调用 /webcast/im/fetch/ 接口，依靠 cursor 游标增量拉取消息，再自行解析 protobuf 二进制数据，从中提取弹幕、礼物、用户进场等各类消息

要如何本地模拟这个过程？

• 创建 http 会话，访问直播间页面获取 cookie 鉴权信息 ttwid
• 调用直播间 enter 接口，把 web_rid 转换成接口需要的 room_id
• 用 room_id + cursor 游标请求 im/fetch 接口，拿到 protobuf 二进制
• 手写 protobuf 解析器解析二进制，解压 gzip 消息体，提取弹幕、礼物、进房消息
• 消息 ID 去重，识别评论消息，控制台打印，可选写入 jsonl
• 更新 cursor 游标，sleep 一段时间，继续下一轮拉取
  
  

实测代码效果



C:\Users\admin\PyCharmMiscProject\.venv\Scripts\python.exe C:\Users\admin\PyCharmMiscProject\ceshi2222222\test03.py  直播间 821428769544 | ttwid=1%7CmNlhIm5w2vs2Cu-Xmu3v... room_id = 7689900503156722473
[04:55:14] 评论  A九夜（绝味龙虾坊，椒麻鸡）: 1000000000000000
[04:55:14] 评论  嘿嘿: 1
[04:55:14] 评论  JD: 你这个技能为什么能原地就
[04:55:14] 评论  长书省: 1
[04:55:14] 评论  @: 111111
[04:55:14] 评论  小碴粥子: 1
[04:55:14] 评论  理智¹⁷⁰¹成为农村拓哉（蓄发版）: 我是假人
[04:55:14] 评论  🌈低调王小李: 我是人机一号
[04:55:19] 评论  居士: 2
[04:55:20] 评论  棷椰拿铁: 2
[04:55:22] 评论  知行合一: 我是家人
[04:55:26] 评论  花海: 这个点都不想发弹幕很正常，大家都累
[04:55:27] 评论  80岁老头爱飘柔: 3 结束：共收到 64 条消息，其中评论 13 条，耗时 16 秒

进程已结束，退出代码为 0
----------------------------------------------------------------------------------------------------
代码整体流程:
1，初始化模拟浏览器（带 Cookie 容器、UA）
2，访问直播间页面，拿到 Cookie（ttwid 关键 Cookie）
3，通过 web_rid（直播间网页 ID）调用 /webcast/room/web/enter/，拿到真实房间 ID room_id
4，循环调用 /webcast/im/fetch/ 拉取直播间消息（轮询）
5，接口返回 protobuf 二进制数据，脚本自己实现 protobuf 解析，拆出消息列表
6，区分消息类型：弹幕WebcastChatMessage、礼物WebcastGiftMessage、进场消息WebcastMemberMessage
7，去重（msg_id），控制台打印弹幕，可选保存到 jsonl 文件

8，持续采集指定秒数后停止
-------------------------------------------------------------------------------
python代码：

游客，如果您要查看本帖隐藏内容请回复

楼主的帖子真是前无古人，后无来者

楼主的帖子真是前无古人，后无来者