手把手教你爬取優酷電影資訊 2

部落格:

沉澱、分享、成長，讓自己和他人都能有所收穫！?

上一章節中我們實現了對優酷單頁面的爬取，簡單進行回顧一下，使用htmlagilitypack庫，對爬蟲的爬取一共分為三步

使用chrome瀏覽器，f12，找到當前位置，得到當前位置的xpath。我們需要的資料是電影的類別編碼和電影類別名稱。

規則分析：

xpath路徑為 「//*[@id=『filterpanel』]/div/ul/li/a」)

類別編碼為a標籤href路徑的內容，我們對其進行擷取

類別名稱為a標籤innertest，我們對其進行擷取

**示例

//載入web內容

private static readonly string _url = "";
/// /// 得到所有的類別
/// 
public static listgetvideotypes()
).tolist();
var relist = new list();
foreach (var node in typeresults));}
return relist;
}

頁面規則 $「

根據頁面規則進行爬取：

/// ///     得到當前類別的總頁數

/// 
public static int getpagecountbycode(string code)
.html");
//分頁列表
var pagelist = doc.documentnode.cssselect(".yk-pages li").tolist();
//得到倒數第二項
var lastsecond = pagelist[pagelist.count - 2];
return convert.toint32(lastsecond.innertext);
}

code 為編碼 pageindex為第幾頁

頁面規則：

根據頁面規則進行爬取：

/// ///     得到當前類別的內容

/// 
public static listgetcontentsbycode(string code, int pageindex)
_s_1_d_1_p_.html");
var returnli = new list();
var contents = doc.documentnode.cssselect(".yk-col4").tolist();
foreach (var node in contents)
returnli.add(new videocontent
);return returnli;
}

/// ///     列印得到的內容

/// 
public static void printcontent()
\t 頁數 \t 總個數");
count += resultli.count;
}console.writeline($"總個數為");
}

手把手教你爬取B站彈幕！

基本的思路很簡單，還是老步驟 1 構造爬取的url 2 解析返回的資料 3 使用json或xpath或正規表示式提取資料 4 儲存資料 剛開始還是從網頁版中尋找url位址，結果請求很多，找了半天也沒有找到 於是我們可以訪問一下手機版的頁面，而根據常識，彈幕這種東西一般是通過ajax來請求的，所以我們...

python 詞云手把手 手把手教你生成炫酷的詞云

前言 話說，在這個大資料時代，獲取資訊顯得極為容易，可正是如此，我們想要對資訊進行直觀地了解難度就大了。excel是乙個很好的資料視覺化方法，不過有時候我們的資料 可能並不是一張或者多張excel 這樣子的話如果我們想利用excel進行資料視覺化就顯得不是那麼容易。首先我們需要逐個將資料匯入到exc...

手把手教你 Spark 效能調優

上周四接到反饋，集群部分 spark 任務執行很慢，且經常出錯，引數改來改去怎麼都無法優化其效能和解決頻繁隨機報錯的問題。看了下任務的歷史運 況，平均時間 3h 左右，而且極其不穩定，偶爾還會報錯 任務的執行時間跟什麼有關？1 資料來源大小差異 2 本身邏輯缺陷 比如 裡重複建立 初始化變數 環境 ...