Python实现抖音热搜定时爬取功能
本文详细介绍如何使用Python爬取抖音热搜榜数据。通过对比requests和selenium两种方法，演示如何获取排名、热度、标题及链接，并利用lxml解析数据保存至Excel。最后结合Windows任务计划程序实现每小时自动运行，打造高效的热榜监控工具。
大家好，我是丁小杰。
此前曾分享过利用Python定时抓取微博热搜的示例，这堪称一款极佳的摸鱼工具。若觉得单一热榜信息量不足，今天我们将目光转向抖音热搜榜的抓取，感兴趣的朋友不妨动手实践。
抖音热搜榜
访问链接：https://tophub.today/n/K7GdaMgdQy
该热榜共计50条数据，本次抓取重点包括：排名、热度值、标题以及对应链接。
requests 爬取
使用requests是一种极为简便的方式。鉴于该页面未设置反爬机制，直接通过get方法请求页面即可获取内容。
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
由此可见，仅需寥寥数行代码，便能轻松获取所需数据。
selenium 爬取
将selenium配置为无头浏览器模式，打开指定的url以获取页面数据。
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
两种抓取方式均可成功获取数据，但requests方案相对更为简洁，且整体代码运行速度更快。若页面数据非动态加载，采用requests方式则更为便捷。
数据解析
接下来，利用lxml库对抓取到的数据进行解析，并将结果保存至excel文件中。
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'])
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,
'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，抓取代码部分已完成。若希望实现代码每小时自动执行，可借助任务计划程序进行配置。
打开任务计划程序，点击【创建任务】。
输入任务名称，名称可随意设定。
选择【触发器】选项卡，点击【新建】，随后【设置触发时间】。
选择【操作】选项卡，点击【新建】，然后【选择程序或脚本】。
最后确认设置即可。到达设定时间后任务将自动运行，也可通过右键点击任务手动执行。
以上就是本次分享的全部内容，整体难度适中，希望能对大家有所帮助。文中代码拼接后即可直接运行！
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本站其它相关文章！
本站声明
本文内容仅供参考，不代表本站观点。转载或引用请注明出处。如发现内容问题，请通过联系我们页面反馈。
