Python如何實現抖音熱搜定時爬取功能

這篇“Python如何實現抖音熱搜定時爬取功能”文章的知識點大部分人都不太理解，所以小編給大家總結了以下內容，內容詳細，步驟清晰，具有一定的借鑒價值，希望大家閱讀完這篇文章能有所收獲，下面我們一起來看看這篇“Python如何實現抖音熱搜定時爬取功能”文章吧。

抖音熱搜榜

整個熱榜共50條數據，本次爬取的內容：排名、熱度、標題、鏈接。

requests 爬取

requests 是一種非常簡單的方法，由于該頁面沒有反爬措施，所以直接get 請求頁面即可。

import requests
import pandas as pd

headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.54 Safari/537.36'
}
url = 'https://tophub.today/n/K7GdaMgdQy'
page_text = requests.get(url=url, headers=headers).text
page_text

可以看到，只需要幾行代碼，數據就很輕松地獲取到了。

selenium 爬取

將selenium設置為無頭瀏覽器，打開指定url獲取頁面數據。

from selenium import webdriver

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

driver = webdriver.Chrome(options=option)

url = 'https://tophub.today/n/K7GdaMgdQy'
driver.get(url)

page_text = driver.page_source

兩種爬取方法都能夠成功獲取到數據，但requests相對簡潔，整個代碼運行速度也更快，如果頁面數據不是動態加載的話，用requests相對方便。

數據解析

現在用lxml庫解析我們爬取的數據，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', '熱度', '標題', '鏈接'])
for index, tr in enumerate(tr_list):
    hot = tr.xpath('./td[3]/text()')[0]
    title = tr.xpath('./td[2]/a/text()')[0]
    article_url = tr.xpath('./td[2]/a/@href')[0]
    df = df.append({
        '排名': index + 1,
        '熱度': hot,
        '標題': title,
        '鏈接': article_url}, ignore_index=True)
df['鏈接'] = 'https://tophub.today' + df['鏈接']
df

運行結果

設置定時運行

至此，爬取代碼已經完成，想要實現每小時自動運行代碼，可以使用任務計劃程序。

打開任務計劃程序，【創建任務】

輸入名稱，名稱隨便起就好。

選擇【觸發器】>>【新建】>>【設置觸發時間】

選擇【操作】>>【新建】>>【選擇程序】

最后確認即可。到時間就會自動運行，或者右鍵任務手動運行。

以上就是關于“Python如何實現抖音熱搜定時爬取功能”這篇文章的內容，相信大家都有了一定的了解，希望小編分享的內容對大家有幫助，若想了解更多相關的知識內容，請關注億速云行業資訊頻道。