Python爬虫采集商品评价信息--京东

办好事不落好的人

1.数据采集逻辑

在进行数据采集之前，明确哪些数据为所需，制定数据Schema为爬取工作做出要求，并根据数据Schema制定出有针对性的爬取方案和采集逻辑。
 

 
 
2.数据Schema

 
3.数据爬取

抓取京东平台任一商品的评论信息，此案例抓取的商品是某一店铺的车厘子评价信息。
评论信息是由JS动态加载的，所以直接抓取商品详情页的URL并不能获得商品评论信息。因此我们需要先找到存放商品评价信息的文件，通过使用浏览器的开发者工具进行查找。
目标URL地址：

1. https://club.jd.com/comment/productPageComments.action?callback=fetchJSON_comment98&productId=10056364088483&score=0&sortType=5&page=0&pageSize=10&isShadowSku=0&fold=1

复制代码

 
通过发现可知，productId为当前商品的商品Id，page为页码（从0开始），爬取该商品的所有评价信息只需要改变page参数即可。（京东商品评价页只显示前100页，所以page最大值为99）

• 导入库
  

1. import random
2. import requests
3. import json
4. import re
5. import csv
6. import time
7. import pymysql

复制代码

 　　2.对爬虫程序进行伪装

1. header = {
2.         'refer': 'https: // item.jd.com /',
3.         'cookie': '',
4.         'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/110.0.0.0 Safari/537.36 Edg/110.0.1587.50'
5.     }

复制代码

 　　3.抓取商品评论信息
将python程序伪装成浏览器后，就可以对评论信息进行爬取，在前面的分析中，productId和page为重要参数，在本案例中爬取的商品为车厘子，productId已确定，只需要对page进行更改即可达到需要。通过parms提交参数，使代码更有逻辑感并方便更改两个重要参数。

1. parm = {
2.         'callback': 'fetchJSON_comment98',
3.         'productId': '10056364088483',
4.         'score': '0',
5.         'sortType': '5',
6.         'page': page,
7.         'pageSize': '10',
8.         'isShadowSku': '0',
9.         'fold': '1'
10.     }
11. url = 'https://club.jd.com/comment/productPageComments.action'
12. res = requests.get(url, params=parm, headers=header)

复制代码

　　4.防止反爬，每爬取一页数据后，设置程序休眠环节

1. # 程序休眠
2. time.sleep(random.randint(40, 80) * 0.1)
3. print('第%d页正在爬取' % (page + 1))
5.   爬取完成后，需要对页面进行编码，不影响后期的数据提取和数据清洗工作。
6.   使用正则对数据进行提取，返回字符串。
7.   字符串转换为json格式数据。
9. res.encoding = 'gb18030'
10. html = res.text
11. data = re.findall('fetchJSON_comment98\((.*?)\);', html)
12. data = json.loads(data[0])  # 将处理的数据进行解析
13. comments = data['comments']
14. print(data['comments'])

复制代码

4.数据存储

• 存储到csv
  

1. # 写入csv文件
2. f = open("evalution_data.csv", "a", newline='', encoding='gb18030')
3. header = ["id", "content", "creationTime", "score", "productColor", "productSize"]
4. # 创建一个DictWriter对象，第二个参数就是上面创建的表头
5. writer = csv.DictWriter(f, header)
6. writer.writeheader()
7.     for i in comments:
8.         id = i['id']
9.         content = i['content']
10.         creationTime = i['creationTime']
11.         score = i['score']
12.         productColor = i['productColor']
13.         productSize = i['productSize']
14.         writer.writerow(
15.             {"id": id, "content": content, "creationTime": creationTime, "score": score, "productColor": productColor,
16.              "productSize": productSize})
17. f.close()

复制代码

 　　2.存储到数据库

1. # 写入数据库
2. conn = pymysql.connect(host='', user='', password='', port=, db='')
3. cursor = conn.cursor()
4.     for i in comments:
5.         id = i['id']
6.         content = i['content']
7.         creationTime = i['creationTime']
8.         score = i['score']
9.         productColor = i['productColor']
10.         productSize = i['productSize']
11.         sql = "insert into evalution_data(id,content,creationTime,score,productColor,productSize) values('%d','%s','%s','%d','%s','%s')"
12.         cursor.execute(sql)
13.         conn.commit()
15. cursor.close()
16. conn.close()

复制代码

 

来源:https://www.cnblogs.com/i-zhongyi-you/p/17229393.html
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！