Python实现抖音热搜定时爬取功能

目录

• 抖音热搜榜
• requests爬取
• selenium爬取
• 数据解析
• 设置定时运行

大家好，我是丁小杰。

上次和大家分享了python定时爬取微博热搜示例介绍，堪称摸鱼神器，一个热榜不够看？今天我们再来爬取一下抖音热搜榜，感兴趣的小伙伴可以自己动手尝试一下哦。

抖音热搜榜

链接：https://tophub.today/n/K7GdaMgdQy

整个热榜共50条数据，本次爬取的内容：排名、热度、标题、链接。

requests 爬取

requests 是一种非常简单的方法，由于该页面编程客栈没有反爬措施，所以直接get 请求页面即可。

importrequests
importpandasaspd

headers={
'UsarrBMgWokqer-Agent':'Mozilla/5.0(WindowsNT编程客栈10.0;Win64;x64)AppleWebKit/537.36(KHTML,likeGecko)Chrome/94.0.4606.54Safari/537.36'
}
url='https://tophub.today/n/K7GdaMgdQy'
page_text=requests.get(url=url,headers=headers).text
page_text

可以看到，只需要几行代码，数据就很轻松地获取到了。

selenium 爬取

将selenium设置为无头浏览器，打开指定url获取页面数据。

fromseleniumimportwebdriver

option=webdriver.ChromeOptions()
option.add_argument('--headless')

driver=webdriver.Chrome(options=option)

url='https://tophub.today/n/K7Gdhttp://www.cppcns.comaMgdQy'
driver.get(url)

page_text=driver.page_source

两种爬取方法都能够成功获取到数据，但requests相对简洁，整个代码运行速度也更快，如果页面数据不是动态加载的话，用requests相对方便。

数据解析

现在用lxml库解析我们爬取的数据，并保存到excel中。

tree=etree.HTML(page_text)

tr_list=tree.xpath(
'//*[@id="page"]/div[2]/div[2]/div[1]/div[2]/div/div[1]/table/tbody/tr')

df=pd.DataFrame(columns=['排名','热度','标题','链接'])
forindex,trinenumerate(tr_list):
hot=tr.xpath('./td[3]/text()')[0]
title=tr.xpath('./td[2]/a/t编程客栈ext()')[0]
article_url=tr.xpath('./td[2]/a/@href')[0]
df=df.append({
'排名':index+1,
'热度':hot,
'标题':title,
'链接':article_url},ignore_index=True)
df['链接']='https://tophub.today'+df['链接']
df

运行结果

设置定时运行

至此，爬取代码已经完成，想要实现每小时自动运行代码，可以使用任务计划程序。

打开任务计划程序，【创建任务】

输入名称，名称随便起就好。

选择【触发器】>>【新建】>>【设置触发时间】

选择【操作】>>【新建】>>【选择程序】

最后确认即可。到时间就会自动运行，或者右键任务手动运行。

这就是今天要分享的内容，整体难度不大，希望大家能够有所收获，文章中的代码拼接起来就可以运行！

以上就是Python实现抖音热搜定时爬取功能的详细内容，更多关于Python抖音热搜爬取的资料请关注我们其它相关文章！