scrapy爬取某视频网站的部分视频信息

此次爬取的信息有:
1、视频名称
2、在线观看人数
3、弹幕内容
4、弹幕发送时间
5、弹幕在视频中的位置
6、点赞
7、收藏
8、投币数
在这里插入图片描述
在这里插入图片描述
由于b站的很多信息是动态加载的。所以部分信息,需要自己抓包,进入对应的网址抽取信息。例如在线观看视频人数,投币数,收藏数等等。
我的思路
首先拿到这个小项目时,分析出 要获取的数据如上。观察,不同信息对应的url。首先,我们应先在B站首页,获取出 要爬取视频的 名字,url地址。但此时存在一个问题:
在这里插入图片描述
若直接发送请求获取响应,只能的到8个视频的url和名字,其实这一栏共有24个视频信息,但这个是轮播图,不能一次性得到。起先,我试图通过抓包,希望能够得到接口地址,得到所有信息。但事与愿违,经过使用开发者工具及分析页面源码,我发现这个网页 用的vue的响应式,就是监听左右翻,然后把对应页数里的数据改到html上的href的里面 不是xhr请求。翻页更新是通过js改的html的数据。与是乎,我想到了用selenium来进行 翻页操作。并用
webdriver.Chrome().page_source来获取当前网页源码,来获得翻页后的视频信息。
上代码:

#通过selenium 间隔0.1秒点击3次 右翻页 获取 视频的名称 地址
        video_names = []
        video_urls = []
        chrome = webdriver.Chrome()
        url = 'https://www.bilibili.com/'
        chrome.get(url)
        for i in range(3):
            response = chrome.page_source
            e = etree.HTML(response)
            video_names += e.xpath('//div[@class="info"]/p[@class="title"]/text()')
            video_urls += e.xpath('//div[@class="recommend-box"]//a/@href')
  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
【为什么学虫?】        1、虫入手容易,但是深入较难,如何写出高效率的虫,如何写出灵活性高可扩展的虫都是一项技术活。另外在虫过程中,经常容易遇到被反虫,比如字体反、IP识别、验证码等,如何层层攻克难点拿到想要的数据,这门课程,你都能学到!        2、如果是作为一个其他行业的开发者,比如app开发,web开发,学习虫能让你加强对技术的认知,能够开发出更加安全的软件和网站 【课程设计】 一个完整的虫程序,无论大小,总体来说可以分成三个步骤,分别是:网络请求:模拟浏览器的行为从网上抓数据。数据解析:将请求下来的数据进行过滤,提我们想要的数据。数据存储:将提到的数据存储到硬盘或者内存中。比如用mysql数据库或者redis等。那么本课程也是按照这几个步骤循序渐进的进行讲解,带领学生完整的掌握每个步骤的技术。另外,因为虫的多样性,在的过程中可能会发生被反、效率低下等。因此我们又增加了两个章节用来提高虫程序的灵活性,分别是:虫进阶:包括IP代理,多线程虫,图形验证码识别、JS加密解密、动态网页虫、字体反识别等。Scrapy和分布式虫:Scrapy框架、Scrapy-redis组件、分布式虫等。通过虫进阶的知识点我们能应付大量的反网站,而Scrapy框架作为一个专业的虫框架,使用他可以快速提高我们编写虫程序的效率和速度。另外如果一台机器不能满足你的需求,我们可以用分布式虫让多台机器帮助你快速数据。 从基础虫到商业化应用虫,本套课程满足您的所有需求!【课程服务】 专属付费社群+定期答疑

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值