Python爬蟲(chóng)實(shí)現(xiàn)模擬點(diǎn)擊動(dòng)態(tài)頁(yè)面
動(dòng)態(tài)頁(yè)面的模擬點(diǎn)擊:
以斗魚(yú)直播為例:http://www.douyu.com/directory/all
爬取每頁(yè)的房間名、直播類(lèi)型、主播名稱(chēng)、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(yú)直播:http://www.douyu.com/directory/all
爬取每頁(yè)房間名、直播類(lèi)型、主播名稱(chēng)、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(chóng)類(lèi)
"""
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(chóng)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(lèi)型、主播名稱(chēng)、在線人數(shù)
# 房間名
home_name = live.find_all('h3', {'class': 'ellipsis'})[0].get_text().strip()
# 直播類(lèi)型
live_type = live.find_all('span', {'class': 'tag ellipsis'})[0].get_text().strip()
# 主播名稱(chēng)
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(lèi)型"] = live_type
item["主播名稱(chēng)"] = 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(chóng)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腳本之家。
相關(guān)文章
matplotlib制作雷達(dá)圖報(bào)錯(cuò)ValueError的實(shí)現(xiàn)
這篇文章主要介紹了matplotlib制作雷達(dá)圖報(bào)錯(cuò)ValueError的實(shí)現(xiàn),文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2021-01-01
Python異常對(duì)象Exception基礎(chǔ)類(lèi)異常捕捉
這篇文章主要為大家介紹了Python異常對(duì)象異常捕捉及Exception基礎(chǔ)類(lèi),有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2022-06-06
淺談PySpark SQL 相關(guān)知識(shí)介紹
這篇文章主要介紹了淺談PySpark SQL 相關(guān)知識(shí)介紹,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2019-06-06
Python整數(shù)對(duì)象實(shí)現(xiàn)原理詳解
這篇文章主要介紹了Python整數(shù)對(duì)象實(shí)現(xiàn)原理詳解,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-07-07
如何在Win10系統(tǒng)使用Python3連接Hive
這篇文章主要介紹了如何在Win10系統(tǒng)使用Python3連接Hive,幫助大家更好的利用python讀取數(shù)據(jù),進(jìn)行探索、分析和挖掘工作。感興趣的朋友可以了解下2020-10-10
Python內(nèi)置模塊Collections的使用教程詳解
collections 是 Python 的一個(gè)內(nèi)置模塊,所謂內(nèi)置模塊的意思是指 Python 內(nèi)部封裝好的模塊,無(wú)需安裝即可直接使用。本文將詳解介紹Collections的使用方式,需要的可以參考一下2022-03-03
使用Python與MQTT實(shí)現(xiàn)異步通信功能
物聯(lián)網(wǎng)(IoT)和實(shí)時(shí)通信的世界中,消息隊(duì)列遙測(cè)傳輸(MQTT)協(xié)議因其輕量級(jí)、可靠性和實(shí)時(shí)性成為廣受歡迎的選擇,本文給大家介紹了使用Python與MQTT實(shí)現(xiàn)異步通信功能,需要的朋友可以參考下2024-12-12
LeetCode189輪轉(zhuǎn)數(shù)組python示例
這篇文章主要為大家介紹了LeetCode189輪轉(zhuǎn)數(shù)組python解法示例,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2022-08-08

