作者： 想的美
一、介绍
朋友暑假实践需要美团外卖APP评论这一份数据，一开始我想，这不就抓取网页源代码再从中提取数据就可以了吗，结果发现事实并非如此，情况和之前崔大讲过的分析Ajax来抓取今日头条街拍美图类似，都是通过异步加载的方式传输数据，不同的是这次的是通过JS传输，其他的基本思路基本一致，希望那些数据能帮到她吧
当然在学习Python的道路上肯定会困难，没有好的学习资料，怎么去学习呢？ 学习Python中有不明白推荐加入交流群号：790921645 群里有志同道合的小伙伴，互帮互助， 群里有不错的视频学习教程和PDF！
二、流程
-
目标站点分析
用浏览器打开美团外卖APP评论，F121.首先我们要找到我们想要的评论数据，在第一次“失败”的直接抓取网页源代码后，我们发现它是通过Ajax加载的，我们点击JS选项，可以发现JS项目里面的返回结果有我们想要的数据，勾选Preserve log，当点击查看更多评论时，后台（JS里）会出现新的Ajax请求，发现还有参数start和 的变化，其他请求参数不变，start的参数变化是以10递增的， 的参数变化可就让人摸不着头脑（这个时候我们也不要方，因为大多情况下没有规律的参数都是没用的）
2.经过我们对http://comment.mobilem.360.cn/comment/getComments?callback=jQuery17203361018749253357_1503362214558&baike=%E7%BE%8E%E5%9B%A2%E5%A4%96%E5%8D%96+Android_com.sankuai.meituan.takeoutnew&c=message&a=getmessage&start=0&count=10&_=1503362215647
进行分析后发现它的标准式为
- 分析url的网页源代码，在源代码里有我们想要的评论数据，我们可以用正则（在这里正则还是比较好用的）把我们想要的信息弄下来
- 开启循环，批量抓取
- 保存数据至文本和数据库
#之前是这样处理的： def parse_one_page(html): pattern2 = re.compile('"m_type":"0",(.*?),"username"', re.S) items=re.findall(pattern2,html) for item in items: item = "{" + item + "}" item=json.loads(item) write_to_file(item) print(item) save_to_mongo(item) #皮皮哥告诉了我他的独家正则匹配方法可以匹配出来，这样的确获得的item没有编码问题 def parse_one_page(html): pattern = '\"content\":\".*?"' items=re.findall(pattern,html) for item in items: item =eval(item.split(':',1)[1]) write_to_file(item) print(item) save_to_mongo(item) #对一般正则写法获得的item进行的方法，这是从皮皮哥那里得知的，亲测有效 def parse_one_page(html): pattern = re.compile('rsion_name".*?"content":(.*?),"username"', re.S) items=re.findall(pattern,html) #print(items) for item in items: item = item.encode('utf-8').decode('unicode_escape') write_to_file(item) print(item) save_to_mongo(item)
三、代码
#config.py MONGO_URL='localhost' MONGO_DB='meituan' MONGO_TABLE='meituan'
import requests from requests.exceptions import RequestException import json import re from day31.config import * import pymongo client=pymongo.MongoClient(MONGO_URL) db=client[MONGO_DB] base_url='http://comment.mobilem.360.cn/comment/getComments?callback=jQuery17209056727722758744_1502991196139&baike=%E7%BE%8E%E5%9B%A2%E5%A4%96%E5%8D%96+Android_com.sankuai.meituan.takeoutnew&start=' def the_url(url): try: response = requests.get(url) if response.status_code==200: response.encoding='utf-8' return response.text return None except RequestException: print('请求出错') return None def the_total(): html=the_url(base_url) pattern1 = re.compile('"total":(.*?),"messages"', re.S) Total = re.findall(pattern1, html) Total=int(':'.join(Total)) #print(type(Total)) show='总计评论%d条'%Total print(show) write_to_file(show) return Total def parse_one_page(html): pattern2 = re.compile('"m_type":"0",(.*?),"username"', re.S) items=re.findall(pattern2,html) for item in items: item = "{" + item + "}" item=json.loads(item) write_to_file(item) print(item) save_to_mongo(item) def save_to_mongo(result): try: if db[MONGO_TABLE].insert(result): print('储存到MongoDB成功',result) except Exception: print('储存到MongoDB失败',result) def write_to_file(content): with open('meituan_result.text','a',encoding='utf-8') as f: f.write(json.dumps(content,ensure_ascii=False)+'\n') f.close() def main(): Total=the_total() Total=int(Total/10)+2 for i in range(Total): url = base_url + str(i*10) if the_url(url)!=None: html=the_url(url) parse_one_page(html) else: print('输完啦') ps='PS：因为有些评论空，所以实际评论比抓取的少' #这是我瞎猜的 write_to_file(ps) print(ps) if __name__ == '__main__': main()
四、最后得到的数据视图和文件
五、总结
1.程序报错很正常，不要一报错就问别人，先自己思考、百度
2.在数据类型处理方面的知识还要加强