scrapy初探-斗鱼直播信息抓取

Posted 2020-09-30 LOMOoO

由于有相关需求，最近两天开始学了一下scrapy

这次我们就以爬取斗鱼直播间为例，我们准备爬取斗鱼所有的在线直播信息，

包括1.主播昵称 2.直播领域 3.所在页面数 4.直播观看人数 5.直播间url

开始准备爬取的页面如图

url为：https://www.douyu.com/directory/all

 

但实际经过查看发现翻页是由ajax响应的，实际的ajax页面为：

https://www.douyu.com/directory/all?page=1&isAjax=1

其中page即为页面数

 

我们所需要的信息也在页面中，所以直接爬取该页面即可，

先编辑items.py

class ProjectItem(scrapy.Item):
    title=scrapy.Field()
    user=scrapy.Field()
    num=scrapy.Field()
    area=scrapy.Field()
    zhibojian=scrapy.Field()
    index=scrapy.Field()

接着编写spider.py，其中思路比较简单，回调函数即为parse本身，由于网站当页面超过实际页面时，显示的是第一页信息，而且页面是动态的，所以我们对第一页的zhibojian信息保存，保存在box中，并对index>30时进行判断，一旦直播间信息出现在box中，说明为第一页了。

index=1
box=[]

def handlenum(char):
    if u\'万\' in char[0]:
        char[0] = str(float(char[0].replace(u\'万\', \'\')) * 10000)
    return char

class newspider(scrapy.Spider):
    name=\'ajax\'
    allowed_domains = ["www.douyu.com", \'douyucdn.cn\']
    start_urls = ["https://www.douyu.com/directory/all?page=1&isAjax=1"]

    def parse(self, response):
        global index,box
        selector=Selector(response)
        for sel in selector.xpath(\'/html/body/li\'):
            item=ProjectItem()
            item[\'title\']=sel.xpath(\'a/@title\').extract()
            item[\'user\']=sel.xpath(\'a/div/p/span[1]/text()\').extract()
            num=sel.xpath(\'a/div/p/span[2]/text()\').extract()
            item[\'num\'] =handlenum(num)
            item[\'area\']=sel.xpath(\'a/div/div/span/text()\').extract()
            zhibojian=sel.xpath(\'a/@href\').extract()
            if index is 1:
                box.append(zhibojian[0])
            elif index>20:
                if zhibojian[0] in box:
                    return
            item[\'zhibojian\']=zhibojian
            item[\'index\']=index
            yield item
        index+=1
        nexturl=\'https://www.douyu.com/directory/all?page=%s&isAjax=1\'%str(index)
        yield scrapy.Request(nexturl,callback=self.parse)

最后设置setting.py，这里我们使用csv格式来保存

FEED_URI=u\'file:///C:/Users/tLOMO/Desktop/one.csv\'
FEED_FORMAT=\'CSV\'

最后运行即可得到one.csv

进过统计，我程序跑的时候，所有观看直播的人数为18290373，这个数字可信度我也搞不清啊，简单看了一下，所有的直播中直播农药和LOL的是最多的