程序说明:抓取斗鱼直播平台的直播房间号及其观众人数,最后统计出某一时刻的总直播人数和总观众人数。
过程分析:
进入平台首页,来到页面底部点击下一页,发现url地址没有发生变化,这样的话再使用urllib2发送请求将获取不到完整数据,这时我们可以使用selenium和PhantomJS来模拟浏览器点击下一页,这样就可以获取完整响应数据了。
首先检查下一页元素,如下:
下一页
使用selenium和PhantomJS模拟点击,代码如下:
from selenium importwebdriver#使用PhantomJS浏览器创建浏览器对象
driver =webdriver.PhantomJS()#使用get方法加载页面
driver.get("https://www.douyu.com/directory/all")#class="shark-pager-next"是下一页按钮,click() 是模拟点击
driver.find_element_by_class_name("shark-pager-next").click()#打印页面页面查看
print driver.page_source
这样就可以通过设置一个循环条件,一直点击下去,直到页面加载完。循环终止的条件为最后一页,进入最后一页,检查下一页元素:
下一页
对比发现:当出现"shark-pager-disable-next",下一页无法点击,这就是循环停止的条件。
#如果在页面源码里没有找到"shark-pager-disable-next",其返回值为-1,可依次作为