您好,登錄后才能下訂單哦!
動態頁面的模擬點擊:
以斗魚直播為例:http://www.douyu.com/directory/all
爬取每頁的房間名、直播類型、主播名稱、在線人數等數據,然后模擬點擊下一頁,繼續爬取
代碼如下
#!/usr/bin/python3 # -*- coding:utf-8 -*- __author__ = 'mayi' """ 動態頁面的模擬點擊: 模擬點擊斗魚直播:http://www.douyu.com/directory/all 爬取每頁房間名、直播類型、主播名稱、在線人數等數據,然后模擬點擊下一頁,繼續爬取 """ from selenium import webdriver import json # 調用環境變量指定的PhantomJS瀏覽器創建瀏覽器對象,executable_path:指定PhantomJS位置 driver = webdriver.PhantomJS(executable_path = r"D:\Program Files\phantomjs\bin\phantomjs") from bs4 import BeautifulSoup class DouyuSpider(object): """ 爬蟲類 """ def __init__(self): self.url = "http://www.douyu.com/directory/all/" self.driver = webdriver.PhantomJS() self.file_name = open("douyu.json", "w", encoding = "utf-8") def run(self): """ 爬蟲開始工作 """ self.driver.get(self.url) # 循環處理每一頁,直至最后一頁 page = 1 start_flag = True while True: # 等待3秒,防止訪問過于頻繁 self.driver.implicitly_wait(3) print("正在處理第" + page + "頁......") page += 1 # 解析 soup = BeautifulSoup(self.driver.page_source, "lxml") # 在線直播部分 online_live = soup.find_all('ul', {'id': 'live-list-contentbox'})[0] # 房間列表 live_list = online_live.find_all('li') # 處理每一個房間 for live in live_list: # 房間名、直播類型、主播名稱、在線人數 # 房間名 home_name = live.find_all('h4', {'class': 'ellipsis'})[0].get_text().strip() # 直播類型 live_type = live.find_all('span', {'class': 'tag ellipsis'})[0].get_text().strip() # 主播名稱 anchor_name = live.find_all('span', {'class': 'dy-name ellipsis fl'})[0].get_text().strip() # 在線人數 online_num = live.find_all('span', {'class' :'dy-num fr'})[0].get_text().strip() # print(home_name, live_type, anchor_name, online_num) item = {} item["房間名"] = home_name item["直播類型"] = live_type item["主播名稱"] = anchor_name item["在線人數"] = online_num if start_flag: start_flag = False content = "[\n" + json.dumps(item) else: content = ",\n" + json.dumps(item) self.file_name.write(content) # page_source.find()未找到內容則返回-1 if self.driver.page_source.find('shark-pager-disable-next') != -1: # 已到最后一頁 break # 模擬點擊下一頁 self.driver.find_element_by_class_name('shark-pager-next').click() # 爬蟲結束前關閉文件 self.file_name.write("\n]") self.file_name.close() if __name__ == '__main__': douyu = DouyuSpider() douyu.run()
以上就是本文的全部內容,希望對大家的學習有所幫助,也希望大家多多支持億速云。
免責聲明:本站發布的內容(圖片、視頻和文字)以原創、轉載和分享為主,文章觀點不代表本網站立場,如果涉及侵權請聯系站長郵箱:is@yisu.com進行舉報,并提供相關證據,一經查實,將立刻刪除涉嫌侵權內容。