Python3——爬取淘宝评论

Posted 2020-11-09 ruyingsuixing

一、分析目标

• 爬取淘宝商品评论详情

二、分析网页加载流程

• 目标数据是否在网页源代码中(即右键——查看源代码)
  • 不在
目标数据在审查元素中(即右键——审查元素或f12)
• f12——>Network——>f5 重新加载并记录网页活动——>点击网页评论——>Name——>Preview找评论信息(script类型(Type))——>Header从中找记录评论信息的网址

三、分析目标数据的请求。分析参数、自己构造url

1. 找到网址：

https://rate.tmall.com/list_detail_rate.htmitemId=539137284584&spuId=701871908&sellerId=929347050&order=3&currentPage=1&append=0&content=1&tagId=&posi=&picture=&ua=098%23E1hvLpvWvRQvUvCkvvvvvjiPPFSptjlbPLsy6jYHPmP96jrWn2s9ljiEPFMyQjrURphvCvvvvvmCvpvW7D%2BnMq5w7Di4OzbNdphvHmQhsUE8o9v9BmeS8kH2mOcEmfwGiQhvCvvv9UUPvpvhvv2MMQhCvvOvUvvvphmivpvUvvmv%2BJZCZ94EvpvVmvvC9jxvKphv8vvvvvCvpvvvvvmmH6CvvHIvvUUdphvWvvvv9krvpv3Fvvmm86CvmVWEvpCWCh%2BMvvaw1WCl%2Bb8rwZHlYhzBRfpKofkXAf00Io3EAp0YyfUZEcqh1j7yHdUfbcc6D76fde%2BRfwLvaB46NZ59QnkQRqwiLO2vqU0QKLyCvvpvvvvv3QhvCvvhvvv%3D&isg=BBwcrmBIqyRNj10slC4flSrd7ToOPcHVm6szQvYdFofqQb3LHqQ2T4ezpam5SfgX&needFold=0&_ksTS=1527496615091_664&callback=jsonp665

2.分析

• currentPage：当前页数，动态更新(通过requests(url)输出总共的页数，这里是共99页)
• _ksTS：时间戳，动态更新——>需要人为设置，动态传入参数(time.time()函数)
• callback：回调函数，据观察，callback=jsonp665(665=664+1——1527496615091_664)

3.构造url，requests.get()的参数 pagram 

• • get到数据
    • response = requests.get(url, params=pagram)
    • data = response.text

　　4.写入库

• • 解析数据，通过正则匹配项，找到data中需要的部分
  • 将获取的json数据类型转为字典类型
  • 找data中需要的部分
  • 将需要的部分写入库

代码粘贴如下：

 1 # -*- coding:utf-8 -*-
 2 
 3 # _ksTS=1526545121518_1881时间戳滞后了 ∴要动态的传参数——(导入time模块)
 4 # callback=jsonp1882
 5 import requests
 6 import time
 7 import random
 8 import re
 9 import json
10 
11 url = ‘https://rate.tmall.com/list_detail_rate.htm?itemId=539137284584&spuId=701871908&sellerId=929347050&order=3&append=0&content=1&tagId=&posi=&picture=&ua=098%23E1hvsvvLvZIvUpCkvvvvvjiPPFdZ6jtPPLqOzjivPmPh1jDRRFchAjYbPsMh6jYWR46Cvvyv2vZjwchvJCurvpvEvvkUCgR2vV2LdphvmpvhOQb3gpCU4UhCvCLwMCHJGaMwznAY8xS50YAizRl4k46CvvyvCWgmYNZvECojvpvhvvpvvvGCvvpvvPMMuphvmvvv9bhrvjKCkphvC99vvOClpbyCvm9vvvvvphvvvvvv9F1vpvkjvvmmZhCv2CUvvUEpphvWwpvv9DCvpv11mphvLvp%2F6QvjWz7%2BkU97%2B3%2BraNBraB4AVAElYWmQrEt1pwLU%2BnezrmphQRAn3feAOHcIAXcBKFyK2ixrQj7Jymx%2F1j7QiXTAVArlMR29VEQCvpvVvvpvvhCvRphvCvvvvvm5vpvhvvmv9u6CvvyvCV4mRLyvVbervpvEvvBxvkgKv2kqRphvCvvvvvmCvpvZz2sm4VdNznswvCDfY0IwXaAv7Ihtvpvhvvvvvv%3D%3D&isg=BBgYp5ys9ga0jdox7XxaDMe26UbZGXLdB_e3zlII19NS7bvX-hKvGsuvISVdfTRj&needFold=0‘
12 
13 # 发送 http://请求
14 # t = time.time() 时间戳time()函数
15 # csv文件 excle 可以打开
16 
17 f = open(‘votes.csv‘,‘w‘,encoding=‘gbk‘)
18 f.write(‘评价内容，店家回复，昵称\\n‘)
19 for i in range(99):
20     t = str(time.time()).split(‘.‘)
21 
22     # 构造url的过程，get请求的参数
23     pagram = {
24         ‘currentPage‘: i+1,
25         ‘_ksTS‘: ‘%s_%s‘ % (t[0], t[1]),
26         ‘callback‘: ‘jsonp%s‘ %(int(t[1])+1)
27     }
28 
29     # 随机休眠，行为分析，防止访问过快，避免被网站检测到有问题
30     time.sleep(random.random())
31 
32     response = requests.get(url, params=pagram)
33     # 数据持久化——入库、文件
34     # csv文件:通过‘,‘区分
35     data = response.text
36 
37     # 解析数据
38     data = re.findall(r‘{.*}‘, data)[0]
39     # json模块可以将  Json数据<——>为字典 互相转换
40 
41     # Json数据——>转为字典
42     data = json.loads(data)
43     data = data[‘rateDetail‘][‘rateList‘]
44     print(data)
45     for item in data:
46         f.write(‘%s,%s,%s‘% (
47             item[‘rateContent‘].replace(‘,‘, ‘，‘),
48             item[‘reply‘].replace(‘,‘, ‘，‘),
49             item[‘displayUserNick‘]))