案例_使用Selenium与PhantomJS爬取斗鱼房间信息

墨蓝 2022-05-13 05:22 150阅读 0赞

## 1.爬取之前的准备 ##

--------------------

>      在爬取之前,现有安装好2个东西:Selenium和PhantomJS,安装方法见我之前的博客:[https://blog.csdn.net/ywk\_hax/article/details/82556679;][https_blog.csdn.net_ywk_hax_article_details_82556679] 
> 
>       当然phantomJS也可以用别的浏览器替代,根据自己的浏览器安装相应的driver即可,如firefox对应的driver:geckodriver

## 2.代码如下: ##

import time
    from selenium import webdriver
    
    
    class DouyuSpider(object):
        def __init__(self):
            # 准备 start_url
            self.start_url = "https://www.douyu.com/directory/all"
            self.drive = webdriver.Firefox()
    
        def get_content_list(self):
            # 注意:find_elements_by_xpath获取的是列表
            #       find_element_by_xpath获取的是一个FirefoxWebElement对象
            li_list = self.drive.find_elements_by_xpath('//ul[@id="live-list-contentbox"]/li')
    
            # print(li_list)
            # 定义一个列表保存所有房间的信息
            content_list = []
            for li in li_list:
                # 定义一个字典保存当前房间的所有信息
                item = {}
                # 由于网络的原因,加上等待时间还不够的,会出现问题匹配不带,就跳过这条  ,网速快的可以忽略
                try:
                    # 房间图片
                    item['直播间封面'] = li.find_element_by_xpath('.//span[@class="imgbox"]/img').get_attribute('src')
                    # 房间名
                    item['房间名'] = li.find_element_by_xpath('./a').get_attribute('title')
                    # 游戏分类
                    item["直播类别"] = li.find_element_by_xpath('.//span[@class="tag ellipsis"]').text
                    # 主播名字
                    item["主播名"] = li.find_element_by_xpath('.//span[@class="dy-name ellipsis fl"]').text
                    # 观看人数
                    item["观看人数"] = li.find_element_by_xpath('.//span[@class="dy-num fr"]').text
                    # print(item)
                    # 将信息添加到列表中
                    content_list.append(item)
    
                except:
                    pass
    
            # 将当前页面的所有房间获取完后,获取下一页的元素,返回一个列表
            next_url = self.drive.find_elements_by_xpath('//a[@class="shark-pager-next"]')
            # # 可能到达最后一页,为了防止报错,判断一下
            next_url = next_url[0] if len(next_url) > 0 else None
            return content_list, next_url
    
        def save_content_list(self, content_list):
            for item in content_list:
                with open('douyu.txt', 'a',encoding='utf8') as f:
                    f.write(str(item) + '\n')
    
        def run(self):
            """实现主要逻辑"""
            # 1.start_url
            # 2.发送请求,获取响应
            self.drive.get(self.start_url)
            # 3.提取数据,提权下一页的按钮
            content_list, next_url = self.get_content_list()
            # 4.保持数据
            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()
                # 由于我这 每次点击下一页之后停留三秒,保证页面更新完整
                time.sleep(3)
                content_list, next_url = self.get_content_list()
                self.save_content_list(content_list)
    
    
    if __name__ == '__main__':
        doouyu_spider = DouyuSpider()
        doouyu_spider.run()

## 3.爬取结果 ##

![70][]

**如果你和我有共同爱好,我们可以加个好友一起交流!**

**![1445380-20180903211901788-1752749014.png][]**

[https_blog.csdn.net_ywk_hax_article_details_82556679]: https://blog.csdn.net/ywk_hax/article/details/82556679
[70]: /images/20220513/f7450f8565374a0492e47cd7bb96a59d.png
[1445380-20180903211901788-1752749014.png]: /images/20220513/e474c14c10764c0da5342b8db1f2b882.png