手把手带你爬天猫，获取杜蕾斯评论数据

又到了Python爬虫+数据分析可视化专题

今天跟着老师手把手带你爬天猫。

1、登录天猫网站

  对于有些网站，需要登陆后才有可能获取到网页中的数据。天猫网站就是其中的网站之一。

2、搜索指定网页

  这里我想要爬取的是杜蕾斯。因此我们直接搜索“杜蕾斯”。由于“杜蕾斯”的卖家有很多，这里我们只选取页面的第一个图片，进行其中的“评论数据”的爬取。

点击第一个图片，进入到我们最终想要爬取数据的网页。可以看到该页面有很多评论信息，这也是我们想要抓取的信息。

3、进行第一次请求测试

结果如下：

结果分析：明明评论信息就是在这个页面里面，我们这样请求，怎么得不到数据呢？难道是没有带着cookies发送请求？我们接下来尝试带着cookies发送请求。

4、进行第二次请求测试

结果如下：

结果分析：不科学哈！这次我已经带着cookies发送了请求呀，为什么还是获取不到我们想要的数据，会不会“评论数据”根本就不再这个url中呢？那么真正的true_url究竟在哪里呢？下面我们慢慢解密。

5、怎么找到真正的true_url？

1）点击【鼠标右键】–>点击【检查】

2）点击【Network】

3）刷新网页

刷新网页以后，可以发现【红色方框】中，多了很多请求的url。

4）点击【搜索按钮】，进行评论数据搜索，寻找trul_url

当出现如下界面后，按照如图所示操作即可。

紧接着，查看该请求所对应的Request URL，就是我们最终要找的

true_url。信不信吗？下面可以试试。

6、进行第三次请求测试

  首先我们在上述图的基础上，顺着Request URL往下面找，获取Request Headers中user-agent、referer、cookie这3样东西。

反正都在Request Headers中，我们将这3样东西，一一粘贴到headers中，形成一个字典格式的键值对。然后我们发起其三次请求。

结果分析：经过一番波折，我们最终找到了我们想要获取的数据，接下来的话，就是我们进行页面解析的工作了。

其实在真实的爬虫环境中，可能会遇到更多的反爬措施，真正难得不是解析网页，而是分析网页和反爬。

7、获取网页中的评论数据

8、翻页爬取(最终代码)

  我们的目的肯定不只是爬取一个页面的评论数据，而是进行翻页爬取，我们需要仔细观察true_url中，有一个【currentPage=1】参数，当这个数字变化的时候，对应的页面也就发生的变化，基于此，我们将完整的爬虫代码写在下面。

9、词云图的制作

结果如下：