斗鱼爬虫

练手(xpath和selenium的使用)

抓取每个主播的分类,id,标题,人气

#!/usr/bin/env python
# _*_ coding:utf-8 _*_

from selenium import webdriver
from selenium.webdriver.chrome.options import Options
import time


class DouyuSpider:
    def __init__(self):
        self.start_url = "https://www.douyu.com/directory/all"
        chrome_options = Options()
        chrome_options.add_argument('--headless')
        self.driver = webdriver.Chrome(chrome_options=chrome_options)

    def get_content_list(self):
        li_list = self.driver.find_elements_by_xpath("//ul[@class='layout-Cover-list']/li")  # 分组,使用elements
        content_list = []
        for li in li_list:
            item = {}
            item["room_classification"] = li.find_element_by_xpath(".//div[@class='DyListCover-info']/span[@class='DyListCover-zone']").text
            item["room_Anchor"] = li.find_element_by_xpath(".//div[@class='DyListCover-info']/h2").text
            item["room_title"] = li.find_element_by_xpath(".//div[@class='DyListCover-info']/h3").get_attribute("title")
            item["room_popularity"] = li.find_element_by_xpath(".//div[@class='DyListCover-info']/span[@class='DyListCover-hot']").text

            print(item)
            content_list.append(item)
        # 获取下一页的元素
        next_url = self.driver.find_elements_by_xpath(".//span[@class='dy-Pagination-item-custom']")
        next_url = next_url[0] if len(next_url) > 0 else None
        return content_list, next_url

    def save_content_list(self, content_list):
        pass

    def run(self):  # 实现主要逻辑
        # 1.start_url
        # 2.发送请求,获取响应
        self.driver.get(self.start_url)
        # 3.提取数据,提取下一页的元素
        content_list, next_url = self.get_content_list()
        # 4.保存数据
        self.save_content_list(content_list)
        # 5.点击下一页元素,循环
        while next_url is not None:
            next_url.click()
            # time.sleep(3)  网络延迟时使用
            content_list, next_url = self.get_content_list()
            self.save_content_list(content_list)
        self.driver.close()


if __name__ == '__main__':
    douyu = DouyuSpider()
    douyu.run()

效果图:

 

 

 

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值