码迷,mamicode.com
首页 > 编程语言 > 详细

Python爬虫,抓取淘宝商品评论内容

时间:2018-06-24 18:00:58      阅读:188      评论:0      收藏:0      [点我收藏+]

标签:oba   else   广度   ==   llb   python   format   返回值   自己   

作为一个资深吃货,网购各种零食是很频繁的,但是能否在浩瀚的商品库中找到合适的东西,就只能参考评论了!今天给大家分享用python做个抓取淘宝商品评论的小爬虫!

技术分享图片

 

思路

我们就拿“德州扒鸡”做为参考目标吧~!如果想抓其他商品的话,自行更换目标即可!打开淘宝,搜索目标,随便点击一个商品进入,在点击累计评论,打开F12开发者工具——网络,先清除现有的所有内容,然后点击下一页评论,在弹出的内容中查找文件中开头为list_detail_rate.htm的html类型,如下图所示

技术分享图片

 

这个html中就含有我们需要的内容,左键点击然后选择响应,就可以看到具体响应内容了!

技术分享图片

 这里面是一大串包含我们需要的内容在内的源代码,如果大家有兴趣可以提取内容做成json数据,而我们这里只需要评论数据,所以,用正则匹配评论部分就可以了!

开始写代码

具体过程就赘述了,新建一个函数,接受店铺ID(唯一)作为参数,做一个无限循环来翻页,并以评论时间为判断是否重复,如果重复则跳出循环(return可以直接跳出循环),整个函数部分代码如下

 1 import requests
 2 import re
 3 import time
 4 
 5 def get_comment(itemid):
 6     i = 1#开始页码
 7     d = []#构建一个列表用于判断是否继续循环
 8     lis = []#放置抓取到的内容
 9     while i:
10         #构建循环用的url
11         url = https://rate.tmall.com/list_detail_rate.htm?itemId={}&order=3&sellerId=1914459560&currentPage={}.format(itemid,str(i))
12         html = requests.get(url).text#获取相关内容的源代码
13         pl = re.findall(r"rateContent":"(.*?)","rateDate",html)#评论抓取
14         dat = re.findall(r"rateDate":"(.*?)","reply",html)#评论时间抓取
15         if dat == d or pl ==[]:#判断是否重复或者是否存在评论
16             print(==============================)
17             return lis #跳出循环并返回值
18         else:
19             try:
20                 d = dat#没有重复则将评论时间赋值给d,用于下次循环判断
21             except IndexError as e:
22                 continue#出现该错误则跳出循环,进行下一次
23         print("第%d页评论"%i,pl)#打印评论内容
24         lis.append(pl)
25         i += 1
26         time.sleep(2)#访问间隔

加入try是因为代码一直在抽风的跳出index错误,后续还可以改进!

作为一个爬虫爱好者,必然要加深抓取的广度的,试着将整个页面的店铺ID抓取出来!这次简单,直接抓到json数据,然后用正则匹配,放回列表,因为时间有限,没有研究出url翻页的依据,就只抓取了一页!

 

 1 def get_id(kw=德州扒鸡):
 2     ‘‘‘
 3     只抓了首页44家店铺的,没有抓后面页面,后续需改进
 4     ‘‘‘
 5     url = https://s.taobao.com/search?data-key=s&data-value=44&ajax=true&  6           _ksTS=1529811793535_1018&callback=jsonp1019&q={}&imgfile=&js=1&  7           stats_click=search_radio_all:1&initiative_id=staobaoz_20180624&  8           ie=utf8&bcoffset=4&p4ppushleft=1,48.format(kw)
 9     html = requests.get(url).text
10     id_list = re.findall(r,"auctionNids":\[(.*?)\],"ifDoufuAuction",html,re.S)[0]
11     return id_list.replace(",‘‘).split(,)

然后开始写主函数,保存到文档!运行结果如下

技术分享图片

 技术分享图片

 emmm,看评论是可以入手的!哈哈!

技术分享图片

 最后

想说几点,一个是自己写个小爬虫玩玩可以,做分析也行,但是务必切记不要外传扩散,很容易进坑!二是淘宝的反爬其实也不是很难,比如上面的爬虫,并没有做反爬措施,大家可以拿这个来练练手,记得加入sleep就可以,不要给对方服务器造成压力为最好!

代码写的不好,各路高手请见谅!欢迎大家来一起交流、学习!

技术分享图片

Python爬虫,抓取淘宝商品评论内容

标签:oba   else   广度   ==   llb   python   format   返回值   自己   

原文地址:https://www.cnblogs.com/qun542110741/p/9221040.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!