#私藏项目实操分享#Python爬虫实战,pymysql模块,Python实现抓取音乐评论
Posted 逻辑教育
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了#私藏项目实操分享#Python爬虫实战,pymysql模块,Python实现抓取音乐评论相关的知识,希望对你有一定的参考价值。
前言
利用Python爬取音乐评论。废话不多说。
让我们愉快地开始吧~
开发工具
Python版本: 3.6.4
相关模块:
requests模块;
re模块;
pymysql模块;
以及一些Python自带的模块。
环境搭建
安装Python并添加到环境变量,pip安装需要的相关模块即可。
通过这次爬取,学习了数据库MySQL,因为之前都是在windows上操作,而这回需要在Mac上操作,所以就在Mac上安装了MySQL以及MySQL的管理工具Sequel Pro,最后也是安装成功,数据库连接也没有问题。
接下来创建数据库,表格及主键信息。
import pymysql
# 创建数据库
db = pymysql.connect(host=127.0.0.1, user=root, password=774110919, port=3306)
cursor = db.cursor()
cursor.execute("CREATE DATABASE QQ_Music DEFAULT CHARACTER SET utf8mb4")
db.close()
import pymysql
# 创建表格, 设置主键
db = pymysql.connect(host=127.0.0.1, user=root, password=774110919, port=3306, db=QQ_Music)
cursor = db.cursor()
sql = CREATE TABLE IF NOT EXISTS comments (nike VARCHAR(255) NOT NULL, comment VARCHAR(255) NOT NULL, praisenum INT NOT NULL, comment_id VARCHAR(255) NOT NULL, time VARCHAR(255) NOT NULL, PRIMARY KEY (comment))
cursor.execute(sql)
db.close()
针对音乐中去年夏天的网页进行分析,查看了所有评论的尾页,发现时间缩水了,因为热评中有一条评论的时间7月12号,而所有评论最后一页的时间却是7月16号。很明显,所有评论并不是货真价实的所有评论,不知这算不算音乐的BUG。
还有一个就是直接点击最后一页的时候,并不能直接返回真正的信息,需要从最后一页往前翻,到了真正的信息页时,然后再往后翻,才能得到最后一页的真正信息。
同样是Ajax请求,确认网址后,分析一下请求头,发现主要是三个参数发生变化:jsoncallback
pagenum
lasthotcommentid
pagenum不难理解,就是页数。jsoncallback经过实验后,发现并不会影响请求,所以设置时无需改动,lasthotcommentid的值对应的是上一页最后一个评论者的ID,所以需要随时改动。
即改变pagenum,lasthotcommentid的值,就可成功实现请求。
部分代码
import re
import json
import time
import pymysql
import requests
URL = https://c.y.qq.com/base/fcgi-bin/fcg_global_comment_h5.fcg?
HEADERS =
user-agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_3) AppleWebKit/537.36 (Khtml, like Gecko) Chrome/69.0.3497.100 Safari/537.36
PARAMS =
g_tk: 5381,
jsonpCallback: jsoncallback4823183319594757,
loginUin: 0,
hostUin: 0,
format: jsonp,
inCharset: utf8,
outCharset: GB2312,
notice: 0,
platform: yqq,
needNewCode: 0,
cid: 205360772,
reqtype: 2,
biztype: 1,
topid: 213910991,
cmd: 8,
needmusiccrit: 0,
pagenum: 0,
pagesize: 25,
lasthotcommentid: ,
callback: jsoncallback4823183319594757,
domain: qq.com,
ct: 24,
cv: 101010,
LAST_COMMENT_ID =
db = pymysql.connect(host=127.0.0.1, user=root, password=774110919, port=3306, db=QQ_Music, charset=utf8mb4)
cursor = db.cursor()
def get_html(url, headers, params=None, tries=3):
try:
response = requests.get(url=url, headers=headers, params=params)
response.raise_for_status()
response.encoding = utf-8
except requests.HTTPError:
print("connect failed")
if tries > 0:
print("reconnect...")
last_url = url
get_html(last_url, headers, tries-1)
else:
print("3 times failure")
return None
return response
def paras_html(html):
data =
content = json.loads(html[29:-3])
for item in content[comment][commentlist]:
data["nike"] = item.get("nick")
data["comment"] = re.sub(r"\\\\n", " ", item.get("rootcommentcontent"))
data["comment"] = (re.sub(r"\\n", " ", data["comment"]))[0:255]
data["praisenum"] = item.get("praisenum")
data["comment_id"] = item.get("commentid")
data["time"] = time.strftime("%Y-%m-%d %H:%M:%S", time.localtime(int(item.get("time"))))
yield data
def to_mysql(data):
table = comments
keys = , .join(data.keys())
values = , .join([%s] * len(data))
sql = INSERT INTO table(keys) VALUES (values) ON DUPLICATE KEY UPDATE.format(table=table, keys=keys, values=values)
update = ,.join([" key = %s".format(key=key) for key in data])
sql += update
try:
if cursor.execute(sql, tuple(data.values())*2):
print(Successful)
except:
print(Failed)
db.rollback()
db.commit()
if __name__ == __main__:
main()
最后成功获取评论信息
以上是关于#私藏项目实操分享#Python爬虫实战,pymysql模块,Python实现抓取音乐评论的主要内容,如果未能解决你的问题,请参考以下文章
#私藏项目实操分享#Python爬虫实战,requests+xpath模块,Python实现爬取豆瓣影评
#私藏项目实操分享#Python爬虫实战,pytesseract模块,Python实现拉勾网岗位数据可视化
#私藏项目实操分享#Spring Boot Serverless 实战 | 性能调优
#私藏项目实操分享#原理讲解-项目实战 <-; 多目标跟踪算法之DeepSORT
#私藏项目实操分享#Spring专题「实战系列」spring注解@ConditionalOnExpression详细使用说明