Python爬蟲實現(xiàn)模擬點擊動態(tài)頁面
動態(tài)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(shù)等數(shù)據(jù),然后模擬點擊下一頁,繼續(xù)爬取
代碼如下
#!/usr/bin/python3# -*- coding:utf-8 -*-__author__ = ’mayi’ '''動態(tài)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(shù)等數(shù)據(jù),然后模擬點擊下一頁,繼續(xù)爬取''' from selenium import webdriverimport json # 調(diào)用環(huán)境變量指定的PhantomJS瀏覽器創(chuàng)建瀏覽器對象,executable_path:指定PhantomJS位置driver = webdriver.PhantomJS(executable_path = r'D:Program Filesphantomjsbinphantomjs')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(huán)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(shù)# 房間名home_name = live.find_all(’h3’, {’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_nameitem['直播類型'] = live_typeitem['主播名稱'] = anchor_nameitem['在線人數(shù)'] = online_numif 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break # 模擬點擊下一頁 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內(nèi)容,希望對大家的學習有所幫助,也希望大家多多支持好吧啦網(wǎng)。
相關(guān)文章:
1. 教你在 IntelliJ IDEA 中使用 VIM插件的詳細教程2. Intellij IDEA 2020.3 配置教程詳解3. Python查找不限層級Json數(shù)據(jù)中某個key或者value的路徑方式4. Java獲取文件的路徑及常見問題解決方案5. java向上轉(zhuǎn)型發(fā)生的時機知識點詳解6. Vue看了就會的8個小技巧7. Vue的全局過濾器和私有過濾器的實現(xiàn)8. 分享我的第一次java Selenium自動化測試框架開發(fā)過程9. Python監(jiān)聽剪切板實現(xiàn)方法代碼實例10. ASP.NET MVC增加一條記錄同時添加N條集合屬性所對應的個體

網(wǎng)公網(wǎng)安備