Python爬取西瓜视频相关信息

"""
Author: soliton
Email  :   soliton.wang@gmail.com
"""
import time
import asyncio
import requests
from lxml import etree
from pymysql import connect
from pyppeteer.launcher import launch
mysqldb = connect(host='host', port=3306, database='database', user='user', password='password', charset='utf8')
cs = mysqldb.cursor()
name = "西瓜视频"
author = '燃新闻视频'
headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTHL, like Gecko) Chrome/66.0.3359.181 Safari/537.36",
    "referer": "https://www.ixigua.com/"
}
video_news_url =[]
async def Get_News_url(url):
    params = {
        # 关闭无头浏览器
        "headless": True,
        'dumpio': 'True',  # 防止浏览器卡住
        "args": [
            '--no-sandbox',
            '--disable-infobars',  # 关闭自动化提示框
            '--user-agent=Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36',
        ],
    }
    browser = await launch(**params)
    pages = await browser.pages()
    page = pages[0]
    await page.setViewport({'width': 900, 'height': 768})
    await page.setUserAgent("Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTHL, like Gecko) Chrome/66.0.3359.181 Safari/537.36")
    await page.goto(url)
    for i in range(0, 10):
        js ="var q=document.documentElement.scrollTop={}".format(i * 1000)
        await page.waitFor(300)
    content = await page.content()
    await page.close()

    tree = etree.HTML(content)
    urls = tree.xpath('//*[@id="App"]/div/div[3]/div/div[2]/div/div[2]/div[1]//div[2]/a/@href')
    for url in urls:
        video_news_url.append("https://www.ixigua.com" + url)

def get_content_insert_mysql(video_news_url):
    for url in video_news_url:
        resp = requests.get(url=url, headers=headers).content.decode('utf-8')
        tree = etree.HTML(resp)
        title = ''.join(tree.xpath('//*[@id="App"]/div/div[2]/div/div[3]/div[2]/div[1]/div/h1/text()'))
        play_view = ''.join(tree.xpath('//*[@id="App"]/div/div[2]/div/div[3]/div[2]/div[2]/div[1]/span[1]/text()'))
        publish = ''.join(tree.xpath('//*[@id="App"]/div/div[2]/div/div[3]/div[2]/div[2]/div[1]/span[3]/@data-publish-time'))
        publish_time = time.strftime("%Y-%m-%d %H:%M:%S", time.localtime(int(publish)))
        content = ''.join(tree.xpath('//*[@id="App"]/div/div[2]/div/div[3]/div[2]/div[2]/div[2]/div[1]/text()'))
        now_time = time.strftime("%Y-%m-%d %H:%M:%S")
        query = "insert ignore into jt_spider(class, title, source, source_url, comments_count, abstract, behot_time, nowtime) value (%s, %s, %s, %s, %s, %s, %s, %s)"
        values = (name, title, author, url, play_view, content, publish_time, now_time)
        print(values)
        cs.execute(query, values)
        mysqldb.commit()
        time.sleep(3)


if __name__ == '__main__':
    news_url = 'https://www.ixigua.com/home/6886776520'
    asyncio.get_event_loop().run_until_complete(Get_News_url(url=news_url))
    get_content_insert_mysql(video_news_url)
    cs.close()
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,590评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 86,808评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,151评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,779评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,773评论 5 367
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,656评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,022评论 3 398
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,678评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 41,038评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,659评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,756评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,411评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,005评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,973评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,203评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,053评论 2 350
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,495评论 2 343