侯体宗的博客
  • 首页
  • Hyperf版
  • beego仿版
  • 人生(杂谈)
  • 技术
  • 关于我
  • 更多分类
    • 文件下载
    • 文字修仙
    • 中国象棋ai
    • 群聊
    • 九宫格抽奖
    • 拼图
    • 消消乐
    • 相册

Python使用Selenium模块模拟浏览器抓取斗鱼直播间信息示例

Python  /  管理员 发布于 7年前   243

本文实例讲述了Python使用Selenium模块模拟浏览器抓取斗鱼直播间信息。分享给大家供大家参考,具体如下:

import timefrom multiprocessing import Poolfrom selenium import webdriverfrom selenium.webdriver.common.by import Byfrom selenium.webdriver.support.ui import WebDriverWaitfrom selenium.webdriver.support import expected_conditions as ECfrom selenium.common.exceptions import TimeoutExceptionfrom bs4 import BeautifulSoupfrom pymongo import MongoClientfrom pymongo.errors import PyMongoError# monogdb配置信息MONGO_HOST = "localhost"MONGO_DATABASE = "douyu"MONGO_TABLE = "zhibo"client = MongoClient(host=MONGO_HOST)db = client[MONGO_DATABASE]# PhantomJS 命令行相关配置# 参见 http://phantomjs.org/api/command-line.htmlSERVICE_ARGS = ['--disk-cache=true', '--load-images=false']# driver = webdriver.Chrome() # 有界面driver = webdriver.PhantomJS(service_args=SERVICE_ARGS) # 无界面delay = 10wait = WebDriverWait(driver, delay)driver.maximize_window()def get_total_pages():  url = 'https://www.douyu.com/directory/all'  driver.get(url)  pages = int(driver.find_element_by_css_selector(    '.shark-pager-dot + .shark-pager-item').text)  print("正在获取第1页数据")  room_list = get_rooms_by_beautifulsoup()  save_to_monogodb(room_list)  return pages# 根据页码获取指定页数据,并将其保存到数据库中def parse_page(page_num):  print("正在获取第%d页数据" % page_num)  try:    page_num_box = wait.until(      EC.presence_of_element_located(        (By.CSS_SELECTOR, "input.jumptxt")))    go_btn = wait.until(EC.element_to_be_clickable(      (By.CSS_SELECTOR, 'a.shark-pager-submit')))    page_num_box.clear()    page_num_box.send_keys(page_num)    go_btn.click()    # driver.execute_script("window.scrollTo(0, document.body.scrollHeight);")    # time.sleep(0.1)    wait.until(      EC.text_to_be_present_in_element(        (By.CSS_SELECTOR,         '.shark-pager-item.current'),        str(page_num)))    # 对于By.CLASS_NAME invalid selector: Compound class names not permitted    room_list = get_rooms_by_beautifulsoup()    save_to_monogodb(room_list)  except TimeoutException:    print("请求第%d页失败" % page_num)    print("尝试重新获取第%d页" % page_num)    return parse_page(page_num)# 通过bs4解析数据def get_rooms_by_beautifulsoup():  '''  通过bs4库解析数据  获取直播间的名称,观看人数,标签,主播名  '''  wait.until(EC.presence_of_element_located(    (By.CSS_SELECTOR, "ul#live-list-contentbox > li")))  html = driver.page_source  soup = BeautifulSoup(html, 'lxml')  rooms = soup.select('ul#live-list-contentbox > li')  for room in rooms:    room_name = room.find(      'h3', attrs={        'class': 'ellipsis'}).get_text(      strip=True)    view_count = room.find('span', class_='dy-num fr').text    tag = room.find('span', class_='tag ellipsis').text    hostname = room.find('span', class_='dy-name ellipsis fl').text    #print("房间名: " + room_name + "\t观看人数: " + view_count + "\t标签: " + tag + "\t主播名: " + hostname)    yield {      'room_name': room_name,      'view_count': view_count,      'tag': tag,      'hostname': hostname,    }def save_to_monogodb(room_list):  for room in room_list:    try:      db[MONGO_TABLE].insert(room)  # insert支持插入多条数据      print("mongodb插入数据成功:", room)    except PyMongoError as e:      print("mongodb插入数据失败:", room, e)if __name__ == '__main__':  try:    total_pages = get_total_pages()    for page_num in range(2, total_pages + 1):      parse_page(page_num)  except Exception as e:    print("出错了", e)  finally: # 确保 浏览器能正常关闭    print("共有%d页" % total_pages)    driver.close()

更多关于Python相关内容可查看本站专题:《Python Socket编程技巧总结》、《Python正则表达式用法总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》

希望本文所述对大家Python程序设计有所帮助。


  • 上一条:
    python调用tcpdump抓包过滤的方法
    下一条:
    解决Python3中的中文字符编码的问题
  • 昵称:

    邮箱:

    0条评论 (评论内容有缓存机制,请悉知!)
    最新最热
    • 分类目录
    • 人生(杂谈)
    • 技术
    • linux
    • Java
    • php
    • 框架(架构)
    • 前端
    • ThinkPHP
    • 数据库
    • 微信(小程序)
    • Laravel
    • Redis
    • Docker
    • Go
    • swoole
    • Windows
    • Python
    • 苹果(mac/ios)
    • 相关文章
    • 在python语言中Flask框架的学习及简单功能示例(0个评论)
    • 在Python语言中实现GUI全屏倒计时代码示例(0个评论)
    • Python + zipfile库实现zip文件解压自动化脚本示例(0个评论)
    • python爬虫BeautifulSoup快速抓取网站图片(1个评论)
    • vscode 配置 python3开发环境的方法(0个评论)
    • 近期文章
    • 在go中实现一个常用的先进先出的缓存淘汰算法示例代码(0个评论)
    • 在go+gin中使用"github.com/skip2/go-qrcode"实现url转二维码功能(0个评论)
    • 在go语言中使用api.geonames.org接口实现根据国际邮政编码获取地址信息功能(1个评论)
    • 在go语言中使用github.com/signintech/gopdf实现生成pdf分页文件功能(0个评论)
    • gmail发邮件报错:534 5.7.9 Application-specific password required...解决方案(0个评论)
    • 欧盟关于强迫劳动的规定的官方举报渠道及官方举报网站(0个评论)
    • 在go语言中使用github.com/signintech/gopdf实现生成pdf文件功能(0个评论)
    • Laravel从Accel获得5700万美元A轮融资(0个评论)
    • 在go + gin中gorm实现指定搜索/区间搜索分页列表功能接口实例(0个评论)
    • 在go语言中实现IP/CIDR的ip和netmask互转及IP段形式互转及ip是否存在IP/CIDR(0个评论)
    • 近期评论
    • 122 在

      学历:一种延缓就业设计,生活需求下的权衡之选中评论 工作几年后,报名考研了,到现在还没认真学习备考,迷茫中。作为一名北漂互联网打工人..
    • 123 在

      Clash for Windows作者删库跑路了,github已404中评论 按理说只要你在国内,所有的流量进出都在监控范围内,不管你怎么隐藏也没用,想搞你分..
    • 原梓番博客 在

      在Laravel框架中使用模型Model分表最简单的方法中评论 好久好久都没看友情链接申请了,今天刚看,已经添加。..
    • 博主 在

      佛跳墙vpn软件不会用?上不了网?佛跳墙vpn常见问题以及解决办法中评论 @1111老铁这个不行了,可以看看近期评论的其他文章..
    • 1111 在

      佛跳墙vpn软件不会用?上不了网?佛跳墙vpn常见问题以及解决办法中评论 网站不能打开,博主百忙中能否发个APP下载链接,佛跳墙或极光..
    • 2016-10
    • 2016-11
    • 2018-04
    • 2020-03
    • 2020-04
    • 2020-05
    • 2020-06
    • 2022-01
    • 2023-07
    • 2023-10
    Top

    Copyright·© 2019 侯体宗版权所有· 粤ICP备20027696号 PHP交流群

    侯体宗的博客