python爬虫：利用selenium实现自动翻页爬取某鱼数据

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理

本品文章来自腾讯云 作者：孤独的明月

基本思路:

首先用开发者工具找到需要提取数据的标签列

利用xpath定位需要提取数据的列表

然后再逐个提取相应的数据:

保存数据到csv:

利用开发者工具找到下一页按钮所在标签:

利用xpath提取此标签对象并返回：

调用点击事件,并循环上述过程:

最终效果图:

代码:

from selenium import webdriver
import time
import re

class Douyu(object):

    def __init__(self):
        # 开始时的url
        self.start_url = "https://www.douyu.com/directory/all"
        # 实例化一个Chrome对象
        self.driver = webdriver.Chrome()
        # 用来写csv文件的标题
        self.start_csv = True

    def __del__(self):
        self.driver.quit()

    def get_content(self):
        # 先让程序两秒,保证页面所有内容都可以加载出来
        time.sleep(2)
        item = {}
        # 获取进入下一页的标签
        next_page = self.driver.find_element_by_xpath("//span[text()='下一页']/..")
        # 获取用于判断是否是最后一页的属性
        is_next_url = next_page.get_attribute("aria-disabled")
        # 获取存储信息的所有li标签的列表
        li_list = self.driver.find_elements_by_xpath("//ul[@class='layout-Cover-list']//li")
        
        # 提取需要的数据
        for li in li_list:
            
            item["user-id"] = li.find_element_by_xpath(".//div[@class='DyListCover-userName']").text
            item["img"] = li.find_element_by_xpath(".//div[@class='DyListCover-imgWrap']//img").get_attribute("src")
            item['class-name'] = li.find_element_by_xpath(".//span[@class='DyListCover-zone']").text
            item["click-hot"] = li.find_element_by_xpath(".//span[@class='DyListCover-hot']").text
            item["click-hot"] = re.sub(r'\n','',item['click-hot'])
            
            # 保存数据
            self.save_csv(item)
        
        # 返回是否有下一页和下一页的点击事件的标签,
        return next_page,is_next_url

    def save_csv(self,item):
        # 将提取存放到csv文件中的内容连接为csv格式文件
        str = ','.join([i for i in item.values()])

        with open('./douyu.csv','a',encoding='utf-8') as f:
            if self.start_csv:
                f.write("用户id,image,所属类,点击热度\n")
                self.start_csv = False
            # 将字符串写入csv文件
            f.write(str)
            f.write('\n')
        print("save success")

    def run(self):
        # 启动chrome并定位到相应页面
        self.driver.get(self.start_url)

        while True:
            # 开始提取数据,并获取下一页的元素
            next_page,is_next = self.get_content()
            if is_next!='false':
                break
            # 点击下一页
            next_page.click()

if __name__=='__main__':
    douyu_spider = Douyu()
    douyu_spider.run()