爬取京东评论，且修改网址直接可复用哦(送代码)

测试开发社区

发布于 2019-09-20 16:30:00

5.3K1

发布于 2019-09-20 16:30:00

文章被收录于专栏：测试开发社区测试开发社区

本次python实战，主要目标是利用 Python爬取京东商品评论数，如上图所示：爬取“Python之父”推荐的小蓝书，这些信息主要包括用户名、书名、评论等信息。

爬取的网址url是 https://item.jd.com/12531181.html ，爬取后的结果会保存在csv文件里面，便于数据分析。

如何准备爬虫环境？

其实不难

环境：MAC + Python3.6 ; IDE：Pycharm. 具体使用的模块如下。

import requests
import re
import json

但是如果你的系统上安装了anaconda，模块requests已经安装完成，但是 pycharm软件不能识别。

此时，需要使用preferences直接进行安装，入下图所示，点击+，直接安装即可。

爬虫分析真的很重要

准备工作

我们的目标是爬取京东的《零基础轻松学PYTHON》评论数，打开网页发现评论的页数很多。

也就是说我们需要解析多个页面。因此，我们想到使用一个for循环来实现。

那么该如何找到评论的网址呢？首先，打开浏览器，比如chrome，然后右键选择检查，调出来网页源代码，如下图：

然后，点击Network选项卡，并且把左边的网页翻滚到评论数，最后搜索COMMEN。如下图：你会发现红框里面的URL。该网址就是我们爬取的网址。

具体的网址是 https://sclub.jd.com/comment/productPageComments.action?callback=fetchJSON_comment98vv36&productId=12531181&score=0&sortType=5&page=0&pageSize=10&isShadowSku=0&fold=1。通过观察，我们发现page=0,pagesize=10等信息。

并且当你点击下一页时，您会发现page=2，而网址中的其他信息没有变化，如图所示：

因此，我们构造循环即可实现对多个网页的爬取，比如100个网页，代码如下：

if __name__ == '__main__':
    # 循环100次
    for i in range(101):
        main(start=i)

真正开始爬取评论数

两步走

根据以前爬虫文章(爬虫实战)的解析，我们分2步爬取本次任务。第一步是解析网页；第二步是爬取评论数并且保存文件。

为了方便代码可复用性和简洁，我们把两步写入两个函数里，分别是begain_scraping()和python_coments()，代码如下:

def main(start):
    """
    开始爬取
    :return:
    """
    # 第一步解析网页
    comments_jd = begain_scraping(start)

    # 第二步 爬取评论并保存文件
    python_comments(comments_jd)

开始解析网页

第一步

解析网页，也就是编写begain_scraping()，代码如下：

首先，根据爬取的网址（https://sclub.jd.com/comment/productPageComments.action?callback=fetchJSON_comment98vv36&productId=12531181&score=0&sortType=5&page=0&pageSize=10&isShadowSku=0&fold=1，我们得到下面信息：

# 构造商品地址
url_jd = 'https://sclub.jd.com/comment/productPageComments.action?callback'
# 网页信息
vari_p = {
    # 商品ID
    'productId': 12531181,  # 换成你想爬取的ID就可以了
    'score': 0,
    'sortType': 5,
    # 爬取页面
    'page': page,
    'pageSize': 10,
}

为了防止反爬虫，我们构造一个伪装浏览器，然后开始爬取，代码如下：

# 防止反爬虫，不需要更换
headers = {
    'cookie': 'shshshfpaJsAhpiXZzNtbFCHZXchb60B240F81702FF',
    'referer': 'https://item.jd.com/11993134.html',
    'user-agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.102 Safari/537.36'
}

comment_jd = requests.get(url=url_jd, params=vari_p, headers=headers)

开始爬取评论数并保存

第二步

开始爬取评论数并保存，也就是实现函数python_comment。本函数主要是对爬取的网页解析，然后保存在CSV文件。这也是模块化编程，逻辑清晰，代码简洁高效。具体代码如下：

def python_comments(comment_resp):
    """
    爬取数据并且写入评论
    :param comment_resp:
    :return:
    """
    comment_js = comment_resp.text

    comment_dict = json.loads(comment_js)
    comments_jd = comment_dict['comments']
    for comment in comments_jd:
        user = comment['nickname']
        color = comment['productColor']
        comment_python = comment['content']

        # 写入文件
        with open('comments_jd.csv', 'a', newline='')as csv_file:
            rows = (user, color, comment_python)
            writer = csv.writer(csv_file)
            writer.writerow(rows)

爬取结果展示

效果

首先，在pycharm软件控制台，您可以看到爬取页面信息，如下：