Java使用selenium爬取b站動態(tài)的實現(xiàn)方式

更新時間：2022年01月17日 08:34:49 作者：孫霸天

本文主要介紹了Java使用selenium爬取b站動態(tài)的實現(xiàn)方式，文中通過示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下

selenium

Selenium是一個用于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

這里我使用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游覽器的版本

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

解壓zip文件，放置到對應文件夾

完整代碼

這里使用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用于解析網頁

http-request用于下載圖片

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，并按照從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 = "你已經到達了世界的盡頭";
        //pt2用來匹配一個動態(tài)里的圖片鏈接
        Pattern pt2 = Pattern.compile("http://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(fā)現(xiàn)到底了，就退出循環(huán)
            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(tài)獲取一次，并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(xiàn)在的秒
        long currentSecond = totalSeconds % 60;
         //求出現(xiàn)在的分
        long totalMinutes = totalSeconds / 60;
        long currentMinute = totalMinutes % 60;
         //求出現(xiàn)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：