python網(wǎng)絡(luò)爬蟲基于selenium爬取斗魚直播信息
更新時(shí)間：2022年03月14日 16:38:12 作者：館主阿牛
目前是直播行業(yè)的一個(gè)爆發(fā)期，由于國家對直播行業(yè)進(jìn)行整頓和規(guī)范，現(xiàn)在整個(gè)直播行業(yè)也在穩(wěn)固發(fā)展。隨著互聯(lián)網(wǎng)和網(wǎng)絡(luò)直播市場的快速發(fā)展，相信未來還有廣闊的發(fā)展前景。今天用selenium爬取一下斗魚直播信息將代碼分享給大家
一、本文使用的第三方包和工具
python 3.8
谷歌瀏覽器
selenium（3.141.0）（pip install selenium == 3.141.0）注意4.0系列和3.0系列方法不同
瀏覽器驅(qū)動(dòng)（和你的瀏覽器版本對應(yīng)）
二、selenium的介紹和瀏覽器驅(qū)動(dòng)的安裝
1.selenium的介紹
selenium是一款web自動(dòng)化測試工具，可以很方便地模擬真實(shí)用戶對瀏覽器進(jìn)行操作，它支持各種主流瀏覽器：IE、Chrome、Firefox、Safari、Opera等。你可以使用selenium做web測試或者爬蟲，自動(dòng)搶票、自動(dòng)下單也可以用selenium來做。
2.瀏覽器驅(qū)動(dòng)的安裝
網(wǎng)上方法很多，友友們自行搜索，在這里提一點(diǎn)注意事項(xiàng)：本文用的是谷歌瀏覽器，瀏覽器驅(qū)動(dòng)要對應(yīng)谷歌的哦，注意瀏覽器驅(qū)動(dòng)與你的瀏覽器版本相對應(yīng)，這里給出谷歌瀏覽器驅(qū)動(dòng)的下載地址，友友們按照自己瀏覽器的版本對應(yīng)現(xiàn)在即可
http://chromedriver.storage.googleapis.com/index.html
下載完成后注意配置環(huán)境變量哦，不配置也行，不配置就要在代碼中寫上你的Chromedriver.exe文件的路徑或者不寫路徑將你的Chromedriver.exe和py文件放到同一目錄下也可以哦
三、代碼思路分析
進(jìn)入斗魚官網(wǎng)，點(diǎn)到直播，下面的在線直播信息就是我們需要爬取的?
可以看到有標(biāo)題，類型，姓名，以及熱度，我們爬取這四個(gè)字段就行
然后滑到底部，這里的下一頁是我們控制爬取頁數(shù)的?
注意：當(dāng)我們進(jìn)入頁面時(shí)，雖然有滾動(dòng)條，但所有直播信息已經(jīng)加載好，并不是通過滑動(dòng)然后Ajax加載的，所以在代碼中并不需要寫滑動(dòng)，直接提取就可以拿到整個(gè)頁面的數(shù)據(jù)。
1.解析數(shù)據(jù)的函數(shù)
#解析數(shù)據(jù)的函數(shù)
def parse(self):
#強(qiáng)制等待兩秒，等待頁面數(shù)據(jù)加載完畢
sleep(2)
li_list = self.bro.find_elements_by_xpath('//*[@id="listAll"]/section[2]/div[2]/ul/li')
#print(len(li_list))
data_list = []
for li in li_list:
dic_data = {}
dic_data['title'] = li.find_element_by_xpath('./div/a/div[2]/div[1]/h3').text
dic_data['name'] = li.find_element_by_xpath('./div/a/div[2]/div[2]/h2/div').text
dic_data['art_type'] = li.find_element_by_xpath('./div/a/div[2]/div[1]/span').text
dic_data['hot'] = li.find_element_by_xpath('./div/a/div[2]/div[2]/span').text
data_list.append(dic_data)
return data_list2.保存數(shù)據(jù)的函數(shù)
#解析數(shù)據(jù)的函數(shù)
def parse(self):
#強(qiáng)制等待兩秒，等待頁面數(shù)據(jù)加載完畢
sleep(2)
li_list = self.bro.find_elements_by_xpath('//*[@id="listAll"]/section[2]/div[2]/ul/li')
#print(len(li_list))
data_list = []
for li in li_list:
dic_data = {}
dic_data['title'] = li.find_element_by_xpath('./div/a/div[2]/div[1]/h3').text
dic_data['name'] = li.find_element_by_xpath('./div/a/div[2]/div[2]/h2/div').text
dic_data['art_type'] = li.find_element_by_xpath('./div/a/div[2]/div[1]/span').text
dic_data['hot'] = li.find_element_by_xpath('./div/a/div[2]/div[2]/span').text
data_list.append(dic_data)
return data_list（1）保存為txt文本
#保存數(shù)據(jù)的函數(shù)
def save_data(self,data_list,i):
#在當(dāng)前目錄下將數(shù)據(jù)存為txt文件
with open('./douyu.txt','w',encoding='utf-8') as fp:
for data in data_list:
data = str(data)
fp.write(data+'\n')
print("第%d頁保存完成！" % i)（2）保存為json文件
#保存數(shù)據(jù)的函數(shù)
def save_data(self,data_list,i):
with open('./douyu.json','w',encoding='utf-8') as fp:
#里面有中文，所以注意ensure_ascii=False
data = json.dumps(data_list,ensure_ascii=False)
fp.write(data)
print("第%d頁保存完成！" % i)3.主函數(shù)設(shè)計(jì)
#主函數(shù)
def run(self):
#輸入要爬取的頁數(shù),如果輸入負(fù)整數(shù)，轉(zhuǎn)化成她的絕對值
page_num = abs(int(input("請輸入你要爬取的頁數(shù)：")))
#初始化頁數(shù)為1
i = 1
#判斷輸入的數(shù)是否為整數(shù)
if isinstance(page_num,int):
#實(shí)例化瀏覽器對象
self.bro = webdriver.Chrome(executable_path='../../可執(zhí)行文件/chromedriver.exe')
# chromedriver.exe如果已添加到環(huán)境變量，可省略executable_path='../../可執(zhí)行文件/chromedriver.exe'
self.bro.get(self.url)
while i <= page_num:
#調(diào)用解析函數(shù)
data_list = self.parse()
#調(diào)用保存函數(shù)
self.save_data(data_list,i)
try:
#定位包含“下一頁”字段的按鈕并點(diǎn)擊
button = self.bro.find_element_by_xpath('//span[contains(text(),"下一頁")]')
button.click()
i += 1
except:
break
self.bro.quit()
else:
print("輸入格式錯(cuò)誤！")四、完整代碼
from selenium import webdriver
from time import sleep
import json
#創(chuàng)建一個(gè)類
class Douyu():
def __init__(self):
self.url = 'https://www.douyu.com/directory/all'
#解析數(shù)據(jù)的函數(shù)
def parse(self):
#強(qiáng)制等待兩秒，等待頁面數(shù)據(jù)加載完畢
sleep(2)
li_list = self.bro.find_elements_by_xpath('//*[@id="listAll"]/section[2]/div[2]/ul/li')
#print(len(li_list))
data_list = []
for li in li_list:
dic_data = {}
dic_data['title'] = li.find_element_by_xpath('./div/a/div[2]/div[1]/h3').text
dic_data['name'] = li.find_element_by_xpath('./div/a/div[2]/div[2]/h2/div').text
dic_data['art_type'] = li.find_element_by_xpath('./div/a/div[2]/div[1]/span').text
dic_data['hot'] = li.find_element_by_xpath('./div/a/div[2]/div[2]/span').text
data_list.append(dic_data)
return data_list
#保存數(shù)據(jù)的函數(shù)
def save_data(self,data_list,i):
#在當(dāng)前目錄下將數(shù)據(jù)存為txt文件
with open('./douyu.txt','w',encoding='utf-8') as fp:
for data in data_list:
data = str(data)
fp.write(data+'\n')
print("第%d頁保存完成！" % i)
# json文件的存法
# with open('./douyu.json','w',encoding='utf-8') as fp:
# 里面有中文，所以注意ensure_ascii=False
# data = json.dumps(data_list,ensure_ascii=False)
# fp.write(data)
# print("第%d頁保存完成！" % i)
#主函數(shù)
def run(self):
#輸入要爬取的頁數(shù),如果輸入負(fù)整數(shù)，轉(zhuǎn)化成她的絕對值
page_num = abs(int(input("請輸入你要爬取的頁數(shù)：")))
#初始化頁數(shù)為1
i = 1
#判斷輸入的數(shù)是否為整數(shù)
if isinstance(page_num,int):
#實(shí)例化瀏覽器對象
self.bro = webdriver.Chrome(executable_path='../../可執(zhí)行文件/chromedriver.exe')
# chromedriver.exe如果已添加到環(huán)境變量，可省略executable_path='../../可執(zhí)行文件/chromedriver.exe'
self.bro.get(self.url)
while i <= page_num:
#調(diào)用解析函數(shù)
data_list = self.parse()
#調(diào)用保存函數(shù)
self.save_data(data_list,i)
try:
#定位包含“下一頁”字段的按鈕并點(diǎn)擊
button = self.bro.find_element_by_xpath('//span[contains(text(),"下一頁")]')
button.click()
i += 1
except:
break
self.bro.quit()
else:
print("輸入格式錯(cuò)誤！")
if __name__ == '__main__':
douyu = Douyu()
douyu.run()總結(jié)
本文是為了練習(xí)selenium而寫的，由于一個(gè)頁面有120條數(shù)據(jù)，所以采集效率較低，感興趣的小伙伴們可以試一試requests庫寫，爬取速度更快哦！希望大家以后多多支持腳本之家！
相關(guān)文章
使用pandas忽略行列索引,縱向拼接多個(gè)dataframe
這篇文章主要介紹了使用pandas忽略行列索引,縱向拼接多個(gè)dataframe的操作，具有很好的參考價(jià)值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-03-03
Python編程中使用Pillow來處理圖像的基礎(chǔ)教程
這篇文章主要介紹了Python編程中使用Pillow來處理圖像的基礎(chǔ)教程,Pillow和PIL都是Python下十分強(qiáng)大的圖片處理利器,朋友可以參考下2015-11-11
詳解Python中生成隨機(jī)數(shù)據(jù)的示例詳解
在日常工作編程中存在著各種隨機(jī)事件，同樣在編程中生成隨機(jī)數(shù)字的時(shí)候也是一樣。每當(dāng)在?Python?中生成隨機(jī)數(shù)據(jù)、字符串或數(shù)字時(shí)，最好至少大致了解這些數(shù)據(jù)是如何生成的。所以本文將詳細(xì)為大家講解一下Python是如何生成隨機(jī)數(shù)據(jù)，需要的可以參考一下2022-04-04
當(dāng)大家的站點(diǎn)越來越來越多的時(shí)候會(huì)發(fā)現(xiàn)管理起來也挺復(fù)雜的，所以這篇文章給大家分享下利用python批量檢查網(wǎng)站的可用性的功能，對大家管理網(wǎng)站具有很實(shí)用的價(jià)值，有需要的朋友可以參考借鑒。2016-09-09
這篇文章主要介紹了如何通過python實(shí)現(xiàn)全排列,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(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2020-02-02
python GUI庫圖形界面開發(fā)之PyQt5窗口控件QWidget詳細(xì)使用方法
這篇文章主要介紹了python GUI庫圖形界面開發(fā)之PyQt5窗口控件QWidget詳細(xì)使用方法,需要的朋友可以參考下2020-02-02
Python?OpenCV中cv2.minAreaRect實(shí)例解析
minAreaRect的主要作用是獲取一個(gè)多邊形(就是有很多個(gè)點(diǎn)組成的一個(gè)圖形)的最小旋轉(zhuǎn)矩形(旋轉(zhuǎn)矩形就是我們平常見到的水平框帶了角度),這篇文章主要給大家介紹了關(guān)于Python?OpenCV中cv2.minAreaRect的相關(guān)資料,需要的朋友可以參考下2022-11-11
這篇文章主要給大家介紹了關(guān)于Django中create和save方法的不同之處，文中通過示例代碼介紹的非常詳細(xì)，對大家學(xué)習(xí)或者使用Django具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面來一起學(xué)習(xí)學(xué)習(xí)吧2019-08-08
Python+Pygame實(shí)現(xiàn)簡單的單詞小游戲
語言是一種藝術(shù)，但是作為語言的基礎(chǔ)——詞匯，卻不像藝術(shù)那樣賞心悅目。不斷的記憶與復(fù)習(xí)，讓詞匯成為很多孩子在學(xué)習(xí)英語時(shí)，最難完全攻克的關(guān)卡。本文就來用Python制作一個(gè)簡單的英語單詞游戲吧2023-03-03
python?subprocess執(zhí)行外部命令常用方法詳細(xì)舉例
這篇文章主要給大家介紹了關(guān)于python?subprocess執(zhí)行外部命令常用方法的相關(guān)資料,Python的subprocess模塊提供了一種在Python中調(diào)用外部命令的方法,文中通過代碼介紹的非常詳細(xì),需要的朋友可以參考下2023-12-12