我是Python小白,我会用比较通俗易懂的方法告诉你如何去爬取数据。
一开始,我们需要pycharm(也就是我们编代码的工具),其次我们需要打开我们需要爬取数据的网页,我以鞋子为例。
那么,接下来就开始吧
首先,我们打开某东,搜索鞋子。
随便点进去一个,找到他的评价
右击空白处,点检查,
出现以下界面时,我们点Network,
然后刷新我们找到的京东鞋子界面,就可以看到他出来很多东西,如下图所示
这时候,我们打开评论,随便找到一个评论,复制一下,然后找到有一个放大镜一样的东西那,点开,然后粘贴我们刚才复制的评论。
就可以看到这些东西
我们点开,发现右边Name里面有这些东西,我们直接复制这个URL。
好了,我们找到了关键的东西。那么接下来我们来编写代码
首先,第一行 是import requests
第二行就是resp=requests.get(‘URL’)[此处URL就是你自己找的]
第三行就是print(resp.text)。
其实拥有这三行代码就可以了,但是呢,我们是在pycharm中爬取的数据,京东只有在浏览器访问时才会允许我们,我们用pycharm访问时,不会给我们,
如下如所示
为了解决这个问题呢,我们可以让我们的python程序伪装成浏览器,我们需要添加一个东西,请求头,
首先,我们随便打开一个浏览器,右击空白部位,点击检查。
点进去后我们点击网络,然后刷新一下这个网页。
我们随便点开一项,看标头里面有一个User-Agent,我们直接复制。
然后我们再来补充一行代码
headers={‘User-Agent’:Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.81 Safari/537.36 Edg/94.0.992.50’}//此处这个是我找的,你们找的是什么就粘贴什么。
get函数里面最后加一个headers=headers。
-------------------------------------------------------------------------------------------
下面是代码模板
import requests headers={'user-agent': '你自己找的user-agent'} resp=requests.get('你自己想要爬取数据的网页URL',headers=headers) print(resp.text)
----------------------------------------------------------------------------------------
下面是我找的一个(可以直接复制粘贴)
import requests headers={'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.89 Safari/537.36 SLBrowser/7.0.0.6241 SLBChan/30'} resp=requests.get('https://club.jd.com/comment/productPageComments.action?callback=fetchJSON_comment98&productId=10335871588&score=0&sortType=5&page=0&pageSize=10&isShadowSku=0&fold=1',headers=headers) print(resp.text)
结果就是这个,我随便截了一小部分。
总结起来,只有三点,第一点,写好代码模型,第二点,找到URL,第三点,找到User-agent。
最后,给初学者一个用python创建.txt文档的代码
fp=open('D:/yyds.txt','a+') print('helloworld',file=fp) fp.close()