python爬虫利用selenium实现自动翻页爬取某鱼数据的思路详解

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()

来源：https://www.cnblogs.com/aa1273935919/archive/2020/12/21/14168439.html