您好,登錄后才能下訂單哦!
動(dòng)態(tài)頁(yè)面的模擬點(diǎn)擊:
以斗魚直播為例:http://www.douyu.com/directory/all
爬取每頁(yè)的房間名、直播類型、主播名稱、在線人數(shù)等數(shù)據(jù),然后模擬點(diǎn)擊下一頁(yè),繼續(xù)爬取
代碼如下
#!/usr/bin/python3 # -*- coding:utf-8 -*- __author__ = 'mayi' """ 動(dòng)態(tài)頁(yè)面的模擬點(diǎn)擊: 模擬點(diǎn)擊斗魚直播:http://www.douyu.com/directory/all 爬取每頁(yè)房間名、直播類型、主播名稱、在線人數(shù)等數(shù)據(jù),然后模擬點(diǎn)擊下一頁(yè),繼續(xù)爬取 """ from selenium import webdriver import json # 調(diào)用環(huán)境變量指定的PhantomJS瀏覽器創(chuàng)建瀏覽器對(duì)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(kāi)始工作 """ self.driver.get(self.url) # 循環(huán)處理每一頁(yè),直至最后一頁(yè) page = 1 start_flag = True while True: # 等待3秒,防止訪問(wèn)過(guò)于頻繁 self.driver.implicitly_wait(3) print("正在處理第" + page + "頁(yè)......") 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(gè)房間 for live in live_list: # 房間名、直播類型、主播名稱、在線人數(shù) # 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(shù) 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(shù)"] = 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(nèi)容則返回-1 if self.driver.page_source.find('shark-pager-disable-next') != -1: # 已到最后一頁(yè) break # 模擬點(diǎn)擊下一頁(yè) self.driver.find_element_by_class_name('shark-pager-next').click() # 爬蟲結(jié)束前關(guān)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?jī)?nèi)容,希望對(duì)大家的學(xué)習(xí)有所幫助,也希望大家多多支持億速云。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。