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