Java使用selenium爬取b站動態的實現方式

目標:爬取b站用戶的動態裡面的圖片,示例動態

如下所示,我們需要獲取這些圖片

image-20220116221456470

如圖所示,嗶哩嗶哩漫畫的數據是動態請求獲取的

image-20220116221751682

這裡我們使用selenium來爬取數據

selenium

Selenium是一個用於Web應用程序測試的工具。Selenium測試直接運行在瀏覽器中,就像真正的用戶在操作一樣。

官網地址

這裡我使用chrome瀏覽器,所以驅動就選用chromedriver

mac安裝chromedriver

使用brew安裝

brew install chromedriver

手動安裝

查看電腦上chrome遊覽器的版本

image-20220116222550463

下載對應驅動

chromedriver下載官網

選擇對應瀏覽器版本的驅動下載

image-20220116222829089

image-20220116222845433

解壓zip文件,放置到對應文件夾

完整代碼

這裡使用springboot框架

maven依賴

        <dependency>
            <groupId>org.seleniumhq.selenium</groupId>
            <artifactId>selenium-java</artifactId>
            <version>3.141.59</version>
        </dependency>
        <dependency>
            <groupId>com.github.kevinsawicki</groupId>
            <artifactId>http-request</artifactId>
            <version>6.0</version>
        </dependency>

selenium用於解析網頁

http-request用於下載圖片

完整代碼

package com.sun.web_crawler;

import com.github.kevinsawicki.http.HttpRequest;
import org.openqa.selenium.By;
import org.openqa.selenium.JavascriptExecutor;
import org.openqa.selenium.WebDriver;
import org.openqa.selenium.WebElement;
import org.openqa.selenium.chrome.ChromeDriver;
import org.openqa.selenium.chrome.ChromeOptions;

import java.io.File;
import java.util.ArrayList;
import java.util.Collections;
import java.util.HashMap;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class getPictures3Test {
    // https://space.bilibili.com/4099287/dynamic
    public static WebDriver getWebDriver(int moudle, String driverPath) {
        System.setProperty("webdriver.chrome.driver", driverPath);
        HashMap<String, Object> chromePrefs = new HashMap<String, Object>();
        chromePrefs.put("profile.managed_default_content_settings.images", 2);
        WebDriver driver;
        if (moudle == 1)
            driver = new ChromeDriver(new ChromeOptions().setHeadless(true).setExperimentalOption("prefs", chromePrefs));
        else
            driver = new ChromeDriver();
        return driver;
    }

    //將所有鏈接對應的圖片下載到path中,並按照從number開始的順序編號
    public static void downLoad(String path, ArrayList<String> links, int number) throws Exception {
        for (String s : links) {
            System.out.println("圖片:" + s);
            HttpRequest hr = HttpRequest.get("https:" + s);
            if (hr.ok()) {
                File file = new File(path + number + s.substring(s.length() - 4));
                hr.receive(file);
                number++;
            }
        }
    }

    public static void main(String[] args) throws Exception {

        //用戶uid
        String uid = "4099287";
        //圖片存儲位置
        String dir = "/Volumes/data/data/b/tako" + File.separator;
        //driver位置
        String driverPath = "/Volumes/data/env/chromedriver/chromedriver";
        //沒有圖片可以加載時會顯示這個
        String bottomFlag = "你已經到達瞭世界的盡頭";
        //pt2用來匹配一個動態裡的圖片鏈接
        Pattern pt2 = Pattern.compile("//i0[^@]{50,100}(png|jpg)");
        //初始化
        WebDriver driver = getWebDriver(1, driverPath);
        JavascriptExecutor jse = (JavascriptExecutor) driver;
        ArrayList<WebElement> wes = null;
        //圖片鏈接links
        ArrayList<String> links = new ArrayList<String>();
        driver.get("https://space.bilibili.com/" + uid + "/dynamic");
        Thread.sleep(3000);
        jse.executeScript("window.scrollBy(0," + 4000 + ");");
        long time1 = System.currentTimeMillis();
        System.out.println("開始爬取頁面圖片地址!");
        int i=1;
        int count=0;
        while (true) {
            System.out.println("向下滾動第"+(i++)+"次!");
            //向下滾動
            jse.executeScript("window.scrollBy(0," + 800 + 500 * Math.random() + ");");
            //如果發現到底瞭,就退出循環
            if (driver.findElement(By.className("div-load-more")).getAttribute("innerHTML").contains(bottomFlag))
                break;
            wes = (ArrayList<WebElement>) driver.findElements(By.className("original-card-content"));
            wes.remove(wes.size() - 1);
            //每20個動態獲取一次,並刪除對應的網頁元素(否則會很慢)
            if (wes.size() > 20) {
                for (WebElement we : wes) {
                    String innerHtml = we.getAttribute("innerHTML");
                    Matcher matcher2 = pt2.matcher(innerHtml);
                        while (matcher2.find()) {
                            String link = matcher2.group();
                            if (link.contains("album"))
                                links.add(link);
                            System.out.println("記錄圖片地址數量為:"+ (++count));
                        }
                    jse.executeScript("document.getElementsByClassName(\"card\")[0].remove();");
                }
            }
            Thread.sleep(50);
        }
        Collections.reverse(links);
        long time2 = System.currentTimeMillis();
        //下載
        System.out.println("開始下載圖片!");
        downLoad(dir, links, 0);
        long totalMilliSeconds = time2 - time1;
        System.out.println();
        long totalSeconds = totalMilliSeconds / 1000;
         //求出現在的秒
        long currentSecond = totalSeconds % 60;
         //求出現在的分
        long totalMinutes = totalSeconds / 60;
        long currentMinute = totalMinutes % 60;
         //求出現在的小時
        long totalHour = totalMinutes / 60;
        long currentHour = totalHour % 24;
         //顯示時間
        System.out.println("總毫秒為: " + totalMilliSeconds);
        System.out.println(currentHour + ":" + currentMinute + ":" + currentSecond + " GMT");
        driver.quit();
    }
}

開始下載代碼時如下:

image-20220116224709802

下載完成後:

image-20220116225211086

完成後如下:

image-20220116225303392

 到此這篇關於Java使用selenium爬取b站動態的實現方式的文章就介紹到這瞭,更多相關Java selenium爬取b站動態內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!

推薦閱讀: