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
二、流程
- 目标站点分析
用浏览器打开美团外卖APP评论，F12
1.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）
1.0
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‘http://comment.mobilem.360.cn/comment/getComments?&baike=%E7%BE%8E%E5%9B%A2%E5%A4%96%E5%8D%96+Android_com.sankuai.meituan.takeoutnew&start=’+str(i*10),i每次增加1，就包含新的十条评论的内容，所以我们通过改变i的值就可以拿到不同的数据
2.0
-
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
---------------------------17/8/26第一次更新：关于获取评论的编码问题
#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
3.0
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
3.感谢皮皮哥、感谢姚文峰前辈！
网友评论