python爬虫爬取美团网酒店信息

快学Python

发布于 2021-08-09 10:05:06

1.8K0

发布于 2021-08-09 10:05:06

文章被收录于专栏：快学Python

作者：叶庭云

源自：快学python

东隅已逝，桑榆非晚。

希望你每天都可以有所获，有所得！

一、分析网页

爬取美团网成都地区的酒店信息

网站的页面是 JavaScript 渲染而成的，我们所看到的内容都是网页加载后又执行了JavaScript代码之后才呈现出来的，因此这些数据并不存在于原始 HTML 代码中，而 requests 仅仅抓取的是原始 HTML 代码。抓取这种类型网站的页面数据，解决方案如下：

分析 Ajax，很多数据可能是经过 Ajax 请求时候获取的，所以可以分析其接口。

在XHR里可以找到，Request URL有几个关键参数，uuid和cityId是城市标识，offset偏移量可以控制翻页，分析网页发现，第x页的offset为：(x-1)*20，limit表示每页有20条信息，startDay和endDay为当前的日期。

在Preview里可以找到每页的20条信息

模拟JavaScript渲染过程，直接抓取渲染后的结果。

selenium和pyppeteer爬虫就是用的这种方法

二、爬取酒店信息


logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s: %(message)s')
url = "https://ihotel.meituan.com/hbsearch/HotelSearch"
headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.162 Safari/537.36",
    "Referer": "https://hotel.meituan.com/chengdu"
}
wb = openpyxl.Workbook()
sheet = wb.active
sheet.append(['酒店名称', '酒店地址', '酒店类型', '最低价', '评价', '评论数', '经度', '纬度'])


def hotel_data(x):
    data = {
        'utm_medium': 'pc',
        'version_name': 999.9,
        'cateId': 20,
        'attr_28': 129,
        'uuid': '5D4E443EC83DDD49B73F317921EAE16C7B492A634A67FA261773890F730A5932@1600263777783',
        'cityId': 59,
        'offset': x * 20,
        'limit': 20,
        'startDay': 20200916,
        'endDay': 20200916,
        'q': '', 'sort': 'defaults',
        'X-FOR-WITH': '47zbBAV+k1e7QrnKt4lEVXrmtOE9w2OpFfGsKf539CDdXIw4r2V/qICcWVeNACGHWNbD6iL4huPyRVdkNJJwR6dqcoQMyzjUE3cQGWr6YZOwANQOlCSrZ7m1+aahwcnh/dTfaJLMZfxWaJQEISBuKbiMgDC8Vr4eaeWiYASkLl0ByB96MOUz7gfjUTbhlV0ZXvZ/ucwNcK3zxTQjmoBINsAY4HwpKQLpOV2IqV1CtPg=',
    }
    res = requests.get(url, headers=headers, params=data)
    time.sleep(random.randint(1, 3))
    results = json.loads(res.text)['data']['searchresult']
    for con in results:
        name = con['name']              # 酒店名称
        addr = con['addr']              # 酒店地址
        star = con['hotelStar']         # 酒店类型
        price = con['lowestPrice']      # 最低价
        scoreIntro = con['scoreIntro']  # 评价
        comments = con['commentsCountDesc']  # 评论数
        lng, lat = con['lng'], con['lat']    # 经纬度
        data = [name, addr, star, price, scoreIntro, comments, lng, lat]
        sheet.append(data)
        logging.info(data)

程序运行成功，酒店信息保存到了Excel。