码迷,mamicode.com
首页 > 其他好文 > 详细

通过selenium实时获取斗鱼主播热度数据!斗鱼一哥居然是他?

时间:2018-09-07 20:45:17      阅读:632      评论:0      收藏:0      [点我收藏+]

标签:分享   www   com   主播   右键   pid   content   imp   users   

通过这个例子,学习使用chrome的开发者工具定位页面元素的位置,并通过selenium调用浏览器,对网页数据进行抓取。

随意打开一个主播的页面,我们想要抓取的热度信息如下:

技术分享图片

 

34949+7177,热度由两部分相加得到,后一部分貌似是近期的活动加成。

在Chrome中,点击右键选择“检查”,将会打开开发者工具

技术分享图片

 

点击图中最左边的单箭头的方框,可以选择页面对应的元素

Python很容易学!所以小编有弄一个交流,互问互答,资源共享的交流学习基地,如果你也是Python的学习者或者大牛都欢迎你来!?:548+377+875!一起 学习共同进步!

技术分享图片

 

这部分对应的源代码

技术分享图片

 

其中 class="summer_hot_value" 是比较重要的信息,我们做爬虫时,可以通过class name来定位该元素。

程序完整代码如下:

from selenium import webdriver
import time
options = webdriver.ChromeOptions()
prefs = {
‘profile.managed_default_content_settings.images‘: 1,
‘profile.content_settings.plugin_whitelist.adobe-flash-player‘: 1,
‘profile.content_settings.exceptions.plugins.*,*.per_resource.adobe-flash-player‘: 1,
}
options.add_experimental_option(‘prefs‘, prefs)
driver = webdriver.Chrome(‘/Users/xiewf/Desktop/PythonProjects/spider/chromedriver‘, chrome_options=options)
url = "https://www.douyu.com/3866447"
driver.set_window_size(1200, 900)
driver.get(url)
print(‘开始等待网页刷新‘)
time.sleep(5)
while 1:
try:
hot_value = driver.find_element_by_class_name(‘summer_hot_value‘).text
print(hot_value)
time.sleep(60)
except:
print("unable to find summer_hot_value")
try:
hot_value = driver.find_element_by_class_name(‘hot-v‘).text
print(hot_value)
except:
print("unable to find hot-v")
fileObject = open(‘douyu_hot_v.html‘, ‘w‘)
fileObject.write(driver.page_source)
fileObject.close()
break
# driver.close()
print("程序运行结束")

简单讲解一下:

driver.find_element_by_class_name(‘summer_hot_value‘)

找出class name为summer_hot_value的元素,通过text方法可以获得对应的字符串,即:

34949+7177,将这个信息打印出来,然后每隔60秒获取一次热度信息并打印。

调试的时候,发现当主播下线后,网页中显示热度信息的地方会发生变化,此时summer_hot_value这个class就没有了,程序会抛出异常退出。通过分析,我们发现,主播下线后,显示热度信息的class从summer_hot_value变成了hot-v,同理,我们可以抓取这个信息,打印出来。

程序运行结果如下:

技术分享图片

 

每隔一分钟获取一次热度信息,总共获得403条数据

像一株盆栽、盆栽、盆栽,淡定而高雅~~~

技术分享图片

通过selenium实时获取斗鱼主播热度数据!斗鱼一哥居然是他?

标签:分享   www   com   主播   右键   pid   content   imp   users   

原文地址:https://www.cnblogs.com/PY08523/p/9606856.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!