Python爬虫爬取虎牙数据！谁才是虎牙第一主播！
首先打开我们所需要爬取的网站，这里我们挑选的是虎牙直播。
我们今天所爬取的数据就是直播名，直播地址，直播的人，观看数以及直播的类别，如下图所示
第一步关于直播的类别，从第一张图片我们可以看到在右边有直播的各种类型，我们只需点击某一个就可以进入相应的直播。
那么我们就按下F12来观察一下
我们发现他们都是在一个标签为a，class属性为recomend-item j_sidebar-recomend-item 的里面，并且里面有一个属性herf，点击进去就是相应的直播。
那么我们就可以使用Beautifulsoup库的find_all方法来找到各个类别的网址及名称，代码如下图所示：
import requests
from bs4 import BeautifulSoup
url = 'https://www.huya.com/l'
headers = {
"user-agent":"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36"
}
r = requests.get(url,headers = headers)
r.raise_for_status()
r.encoding = r.apparent_encoding
html = BeautifulSoup(r.text,'html.parser')
a = html.find_all('a',class_ ='recomend-item j_sidebar-recomend-item')
for i in a:
print(i)
让我们看看运行的结果
是一系列标签，但我们这里所需要的是网站href以及类别title，于是我们写下代码：
for i in a:
href = i['href']
title = i['title']
print(href,title)
查看运行结果
可以发现得到了我们想要的结果，这里我们可以创建一个二维列表来一起存放网址和类别：
urls.append([href,title])
得到了这些之后我们可以选取一个网址进入，我这里选择的是英雄联盟，点击进去后如图：
现在我们可以爬取直播的名字，观看量以及主播的名字，我们按下F12
这里我们可以看到数据都存放在一个class属性为game-live-item，标签为li里面，打开这个li标签我们可以看到
下面有两个a标签，一个span标签，同时我们发现我们可以爬取的数据的位置
知道这些之后我们又可以用我们的Beautifulsoup库来获取想要的数据，首先我们先把所有的li标签给找到
a = html.find_all('li',class_ = 'game-live-item')
1
首先获得主播的名称，在第一个a标签下的img标签的属性alt里，这里我们可以直接用select函数来找img标签即可，代码如下
title = i.select('img')[0]['alt']
1
其次获得网址，直播名，是在第二个a标签下属性href和title，代码如下：
href = i.select('a')[1]['href']
title1 = i.select('a')[1]['title']
12
最后获得观看量，在i标签下由于是数字我们直接用text便可以得到
num = i.select('i',class_ = 'js-num')[3].text
1
最后将他们三者都打印出来，看看运行的效果：
最后附上完整代码：
import requests
from bs4 import BeautifulSoup
url = 'https://www.huya.com/l'
headers = {
"user-agent":"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36"
}
r = requests.get(url,headers = headers)
r.raise_for_status()
r.encoding = r.apparent_encoding
html = BeautifulSoup(r.text,'html.parser')
a = html.find_all('a',class_ ='recomend-item j_sidebar-recomend-item')
urls = []
for i in a:
href = i['href']
title = i['title']
#print(href,title)
urls.append([href,title])
for url in urls:
r = requests.get(url[0],headers = headers)
html = BeautifulSoup(r.text,'html.parser')
a = html.find_all('li',class_ = 'game-live-item')
print(url[1])
for i in a:
num = i.select('i',class_ = 'js-num')[3].text
title = i.select('img')[0]['alt']
href = i.select('a')[1]['href']
title1 = i.select('a')[1]['title']
print(title,href,title1,num)
源码地址