免责声明
感谢您学习本爬虫学习Demo。在使用本Demo之前,请仔细阅读以下免责声明:
- 学习和研究目的:本爬虫Demo仅供学习和研究使用。用户不得将其用于任何商业用途或其他未经授权的行为。
- 合法性:用户在使用本Demo时,应确保其行为符合法律法规。请务必了解并遵守目标网站的服务条款和隐私政策。
- 道德规范:请尊重目标网站的使用条款,不要对其服务器造成过大的负载或影响其正常运行。
- 知识产权保护:抓取的数据应仅用于个人学习和研究,不得用于侵犯版权及其他知识产权的行为。
- 隐私保护:请勿抓取或存储包含个人敏感信息的数据,避免侵犯他人隐私权。
- 责任自负:使用本Demo可能存在一定风险,包括但不限于法律风险、数据丢失、账户封禁等。用户需自行承担所有相关风险和责任。
博主不对因使用本Demo而产生的任何直接或间接损失承担责任。用户应对其使用行为负责,并自行承担所有可能的后果。
重要提示:在使用本Demo前,请确保已详细阅读并理解上述免责声明。如有任何疑虑,请立即停止使用。
爬取这个页面的公开数据
使用 Selenium 进行爬取
下图正在自动化向下滚动窗口。
爬取直播间标题、直播间地址、直播间人数、用户名、用户头像
demo代码如下:
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
import time
import random
# 初始化WebDriver
driver = webdriver.Chrome()
# 打开xxx直播页面
driver.get("https://live.douyin.com/hot_live")
# driver.get("https://live.douyin.com/category/1_3_1_1010087")
# js代码,让div滚动滚动到最底部
js = """
var div = document.getElementById('_douyin_live_scroll_container_');
div.scrollBy(0, div.scrollHeight - div.clientHeight - div.scrollTop);
"""
wait = WebDriverWait(driver, 1)
# 循环向下滚动,特定元素出现,退出循环
while True:
driver.execute_script(js)
try:
# 等待加载特定元素出现
element1 = wait.until(EC.presence_of_element_located((By.CLASS_NAME, "B_mbw29p")))
print("加载完成")
break
except:
print(f"继续加载中 {random.randint(1, 1000)}")
# 等待一些时间,让图片都加载完成
time.sleep(5)
# 所有直播间都加载出来后,开始提取直播间信息
el_list = driver.find_elements(By.XPATH, '//*[@id="_douyin_live_scroll_container_"]/div/div/div/ul/li')
print(f"找到 {len(el_list)} 个直播间")
i = 1
for el in el_list:
temp = {}
try:
temp["直播间标题"] = el.find_element(By.XPATH, './a/div[2]/p').text
except Exception:
temp["直播间标题"] = ""
try:
temp["链接地址"] = el.find_element(By.XPATH, './a').get_attribute('href')
except Exception:
temp["链接地址"] = ""
try:
temp["直播间人数"] = el.find_element(By.XPATH, './a/div[1]/div/div[5]/div/div/span/span').text
except Exception:
temp["直播间人数"] = ""
try:
temp["封面图片"] = el.find_element(By.XPATH, './a/div[1]/div/div[3]/img').get_attribute('src')
except Exception:
temp["封面图片"] = None
try:
temp["用户名"] = el.find_element(By.XPATH, './a/div[3]/object/a').text.strip()
except Exception:
temp["用户名"] = ""
try:
temp["头像"] = el.find_element(By.XPATH, './a/div[3]/div/span/img').get_attribute('src')
except Exception:
temp["头像"] = ""
print(f"第 {i} 个直播间的数据 {temp}")
i += 1
time.sleep(3)
# 关闭浏览器
driver.quit()