使用Puppeteer爬取地图上的用户评价和评论

原创

jackcode

发布于 2023-09-06 16:31:03

2970

发布于 2023-09-06 16:31:03

文章被收录于专栏：爬虫资料

导语

在互联网时代，获取用户的反馈和意见是非常重要的，它可以帮助我们了解用户的需求和喜好，提高我们的产品和服务质量。有时候，我们需要从地图上爬取用户对某些地点或商家的评价和评论，这样我们就可以分析用户对不同地区或行业的态度和偏好。但是，如何从地图上爬取用户评价和评论呢？本文将介绍一种使用Puppeteer的方法，它是一个基于Node.js的库，可以控制Chrome或Chromium浏览器进行各种操作，包括爬虫。

概述

Puppeteer是一个非常强大的库，它可以模拟用户在浏览器中的行为，比如打开网页、点击按钮、输入文本、滚动页面等。它还可以截取网页的屏幕截图或PDF文件，以及获取网页的DOM元素和内容。使用Puppeteer爬取地图上的用户评价和评论的基本思路是：

首先，使用Puppeteer启动一个浏览器实例，并设置代理IP，以避免被目标网站识别和封禁。
然后，使用Puppeteer打开目标网站的地图页面，并输入要搜索的地点或商家名称。
接着，使用Puppeteer获取搜索结果中的第一个条目，并点击进入详情页面。
最后，使用Puppeteer获取详情页面中的用户评价和评论，并保存到本地文件或数据库中。

正文

下面我们将详细介绍使用Puppeteer爬取地图上的用户评价和评论的具体步骤和代码。

1. 安装Puppeteer

首先，我们需要安装Puppeteer库，可以使用npm命令进行安装：

// 安装Puppeteer库
npm i puppeteer

2. 启动浏览器并设置代理IP

然后，我们需要启动一个浏览器实例，并设置代理IP。我们可以使用亿牛云爬虫代理服务来获取高质量的代理IP，它提供了多种类型和地区的代理IP，并且支持多种协议和认证方式。我们可以在亿牛云爬虫代理平台上注册一个账号，并获取自己的域名、端口、用户名和密码。然后，我们可以使用以下代码来启动浏览器并设置代理IP：

// 引入Puppeteer库
const puppeteer = require('puppeteer');

// 亿牛云 定义爬虫代理IP相关参数
const proxyDomain = 'www.16yun.cn'; // 爬虫代理域名
const proxyPort = '8100'; // 爬虫代理端口
const proxyUsername = '16IP'; // 爬虫代理用户名
const proxyPassword = '16YUN'; // 爬虫代理密码

// 启动浏览器并设置代理IP
(async () => {
  const browser = await puppeteer.launch({
    args: [
      `--proxy-server=http://${proxyDomain}:${proxyPort}`, // 设置代理服务器地址和端口
      `--proxy-auth=${proxyUsername}:${proxyPassword}`, // 设置代理服务器认证信息
    ],
    headless: false, // 设置为非无头模式，方便调试
  });
})();

3. 打开目标网站并搜索地点或商家

接着，我们需要打开目标网站的地图页面，并输入要搜索的地点或商家名称。我们以百度地图为例，我们可以使用以下代码来打开百度地图并搜索“北京饭店”：

// 引入Puppeteer库
const puppeteer = require('puppeteer');

// 亿牛云 定义爬虫代理IP相关参数
const proxyDomain = 'www.16yun.cn'; // 爬虫代理域名
const proxyPort = '8100'; // 爬虫代理端口
const proxyUsername = '16IP'; // 爬虫代理用户名
const proxyPassword = '16YUN'; // 爬虫代理密码

// 启动浏览器并设置代理IP
(async () => {
  const browser = await puppeteer.launch({
    args: [
      `--proxy-server=http://${proxyDomain}:${proxyPort}`, // 设置代理服务器地址和端口
      `--proxy-auth=${proxyUsername}:${proxyPassword}`, // 设置代理服务器认证信息
    ],
    headless: false, // 设置为非无头模式，方便调试
  });

  // 打开一个新的页面
  const page = await browser.newPage();

  // 设置页面的视口大小
  await page.setViewport({ width: 1280, height: 800 });

  // 打开百度地图的网址
  await page.goto('https://map.baidu.com/');

  // 等待搜索框出现
  await page.waitForSelector('#sole-input');

  // 输入要搜索的地点或商家名称
  await page.type('#sole-input', '北京饭店');

  // 点击搜索按钮
  await page.click('#search-button');
})();

4. 获取搜索结果并点击详情页面

然后，我们需要获取搜索结果中的第一个条目，并点击进入详情页面。我们可以使用以下代码来获取搜索结果并点击详情页面：

const puppeteer = require('puppeteer'); // 引入Puppeteer库

// 亿牛云 定义爬虫代理IP相关参数
const proxyDomain = 'www.16yun.cn'; // 爬虫代理域名
const proxyPort = '8100'; // 爬虫代理端口
const proxyUsername = '16IP'; // 爬虫代理用户名
const proxyPassword = '16YUN'; // 爬虫代理密码

(async () => {
  const browser = await puppeteer.launch({
    args: [
      `--proxy-server=http://${proxyDomain}:${proxyPort}`, // 设置代理服务器地址和端口
      `--proxy-auth=${proxyUsername}:${proxyPassword}`, // 设置代理服务器认证信息
    ],
    headless: false, // 设置为非无头模式，方便调试
  });

  const page = await browser.newPage(); // 打开一个新的页面
  await page.setViewport({ width: 1280, height: 800 }); // 设置页面的视口大小

  await page.goto('https://map.baidu.com/'); // 打开百度地图的网址

  await page.waitForSelector('#sole-input'); // 等待搜索框出现
  await page.type('#sole-input', '北京饭店'); // 输入要搜索的地点或商家名称
  await page.click('#search-button'); // 点击搜索按钮

  await page.waitForSelector('.se-bn-list'); // 等待搜索结果出现

  const firstResult = await page.evaluate(() => {
    const title = document.querySelector('.se-bn-list .se-bn-item .se-bn-name').innerText; // 获取搜索结果中的第一个条目的标题文本
    const link = document.querySelector('.se-bn-list .se-bn-item .se-bn-name').href; // 获取搜索结果中的第一个条目的链接地址
    return { title, link }; // 返回第一个条目的标题和链接对象
  });

  console.log(firstResult); // 打印第一个条目的标题和链接对象

  await Promise.all([
    page.waitForNavigation(), // 等待页面跳转完成
    page.click('.se-bn-list .se-bn-item .se-bn-name'), // 点击第一个条目进入详情页面
  ]);

  await page.waitForSelector('.place-header-title'); // 等待详情页面加载完成

  const detailInfo = await page.evaluate(() => {
    const title = document.querySelector('.place-header-title').innerText; // 获取详情页面中的标题文本
    const address = document.querySelector('.place-address .se-text-clip').innerText; // 获取详情页面中的地址文本
    const phone = document.querySelector('.place-header-phone .se-float-left').innerText; // 获取详情页面中的电话文本
    return { title, address, phone }; // 返回详情页面中的标题、地址和电话对象
  });

  console.log(detailInfo); // 打印详情页面中的标题、地址和电话对象

  await browser.close(); // 关闭浏览器实例
})();

5. 获取详情页面中的用户评价和评论

最后，我们需要获取详情页面中的用户评价和评论，并保存到本地文件或数据库中。我们可以使用以下代码来获取详情页面中的用户评价和评论：

// 引入Puppeteer库
const puppeteer = require('puppeteer');

// 亿牛云 定义爬虫代理IP相关参数
const proxyDomain = 'www.16yun.cn'; // 爬虫代理域名
const proxyPort = '8100'; // 爬虫代理端口
const proxyUsername = '16IP'; // 爬虫代理用户名
const proxyPassword = '16YUN'; // 爬虫代理密码

// 启动浏览器并设置代理IP
(async () => {
  const browser = await puppeteer.launch({
    args: [
      `--proxy-server=http://${proxyDomain}:${proxyPort}`, // 设置代理服务器地址和端口
      `--proxy-auth=${proxyUsername}:${proxyPassword}`, // 设置代理服务器认证信息
    ],
    headless: false, // 设置为非无头模式，方便调试
  });

  // 打开一个新的页面
  const page = await browser.newPage();

  // 设置页面的视口大小
  await page.setViewport({ width: 1280, height: 800 });

  // 打开百度地图的网址
  await page.goto('https://map.baidu.com/');

  // 等待搜索框出现
  await page.waitForSelector('#sole-input');

  // 输入要搜索的地点或商家名称
  await page.type('#sole-input', '北京饭店');

  // 点击搜索按钮
  await page.click('#search-button');

  // 等待搜索结果出现
  await page.waitForSelector('.se-bn-list');

  // 获取搜索结果中的第一个条目的标题和链接
  const firstResult = await page.evaluate(() => {
    const title = document.querySelector('.se-bn-list .se-bn-item .se-bn-name').innerText; // 获取标题文本
    const link = document.querySelector('.se-bn-list .se-bn-item .se-bn-name').href; // 获取链接地址
    return { title, link };
  });

  console.log(firstResult); // 打印第一个条目的标题和链接

  // 点击第一个条目进入详情页面
  await Promise.all([
    page.waitForNavigation(), // 等待页面跳转完成
    page.click('.se-bn-list .se-bn-item .se-bn-name'), // 点击第一个条目的标题链接
  ]);

  // 等待详情页面加载完成
  await page.waitForSelector('.comment-list');

  // 获取详情页面中的用户评价和评论
  const comments = await page.evaluate(() => {
    const commentList = document.querySelectorAll('.comment-list .comment-item'); // 获取所有评论元素
    const comments = []; // 定义一个空数组用于存储评论数据

    for (let comment of commentList) {
      const username = comment.querySelector('.user-name').innerText; // 获取用户名文本
      const rating = comment.querySelector('.star-score').innerText; // 获取评分文本
      const content = comment.querySelector('.comment-content').innerText; // 获取评论内容文本

      comments.push({ username, rating, content }); // 将评论数据添加到数组中
    }

    return comments; // 返回评论数据数组
  });

  console.log(comments); // 打印评论数据数组

  // 关闭浏览器实例
  await browser.close();
})();

我们可以运行上述代码，并查看输出结果。我们成功地从百度地图上爬取了北京饭店的用户评价和评论，并打印到了控制台中。我们可以根据自己的需要，将这些数据保存到本地文件或数据库中，以便后续分析和使用。