教你用python爬取『京东』商品数据，原来这么简单！

1

前言

本文将从小白的角度入手，一步一步教大家如何爬取『京东API』商品数据，文中以【笔记本】电脑为例！

干货内容包括：

1. 如何爬取商品信息？

2. 如何爬取下一页？

3. 如何将爬取出来的内容保存到excel？

2

分析网页结构

1.查看网页

在『京东商城』搜索框输入：笔记本

链接如下：

https://search.jd.com/search?keyword=笔记本&wq=笔记本&ev=exbrand_联想%5E&page=9&s=241&click=1

在浏览器里面按F12，分析网页标签（这里我们需要爬取1.商品名称、2.商品价格、3.商品评论数）

2.分析网页标签

获取当前网页所有商品

可以看到在class标签id=J_goodsList里ul->li,对应着所有商品列表

获取商品具体属性

每一个li（商品）标签中，class=p-name p-name-type-2对应商品标题，class=p-price对应商品价格，class=p-commit对应商品ID（方便后面获取评论数）

避坑：

这里商品评论数不能直接在网页上获取！！！，需要根据商品ID去获取。

3

爬取数据

1.编程实现

url="https://search.jd.com/search?keyword=笔记本&wq=笔记本&ev=exbrand_联想%5E&page=9&s=241&click=1"res = requests.get(url,headers=headers)res.encoding = 'utf-8'text = res.text

selector = etree.HTML(text)list = selector.xpath('//*[@id="J_goodsList"]/ul/li')
for i in list:    title=i.xpath('.//div[@class="p-name p-name-type-2"]/a/em/text()')[0]    price = i.xpath('.//div[@class="p-price"]/strong/i/text()')[0]    product_id = i.xpath('.//div[@class="p-commit"]/strong/a/@id')[0].replace("J_comment_","")    print("title"+str(title))    print("price="+str(price))    print("product_id="+str(product_id))    print("-----")    

下面教大家如何获取商品评论数！

2.获取商品评论数

查看network，找到如下数据包

将该url链接放到浏览器里面可以获取到商品评论数

分析url

根据商品ID（可以同时多个ID一起获取）获取商品评论数

最后我们可以将获取商品评论数的方法封装成一个函数

###根据商品id获取评论数def commentcount(product_id):    url = "https://club.jd.com/comment/productCommentSummaries.action?referenceIds="+str(product_id)+"&callback=jQuery8827474&_=1615298058081"    res = requests.get(url, headers=headers)    res.encoding = 'gbk'    text = (res.text).replace("jQuery8827474(","").replace(");","")    text = json.loads(text)    comment_count = text['CommentsCount'][0]['CommentCountStr']
    comment_count = comment_count.replace("+", "")    ###对“万”进行操作    if "万" in comment_count:        comment_count = comment_count.replace("万","")        comment_count = str(int(comment_count)*10000)

    return comment_count

此外，我们可以发现在获取到的评论数包含“万”“+”等符号，需要进行相应处理！

for i in list:    title=i.xpath('.//div[@class="p-name p-name-type-2"]/a/em/text()')[0]    price = i.xpath('.//div[@class="p-price"]/strong/i/text()')[0]    product_id = i.xpath('.//div[@class="p-commit"]/strong/a/@id')[0].replace("J_comment_","")            ###获取商品评论数    comment_count = commentcount(product_id)    print("title"+str(title))    print("price="+str(price))    print("product_id="+str(comment_count))

4

保存到excel

1.定义表头

import openpyxloutwb = openpyxl.Workbook()outws = outwb.create_sheet(index=0)
outws.cell(row=1,column=1,value="index")outws.cell(row=1,column=2,value="title")outws.cell(row=1,column=3,value="price")outws.cell(row=1,column=4,value="CommentCount")

引入openpyxl库将数据保存到excel，表头内容包含（1.序号index、2.商品名称title、3.商品价格price、4.评论数CommentCount）

2.开始写入

    for i in list:        title=i.xpath('.//div[@class="p-name p-name-type-2"]/a/em/text()')[0]        price = i.xpath('.//div[@class="p-price"]/strong/i/text()')[0]        product_id = i.xpath('.//div[@class="p-commit"]/strong/a/@id')[0].replace("J_comment_","")

        ###获取商品评论数        comment_count = commentcount(product_id)        print("title"+str(title))        print("price="+str(price))        print("comment_count="+str(comment_count))
        outws.cell(row=count, column=1, value=str(count-1))        outws.cell(row=count, column=2, value=str(title))        outws.cell(row=count, column=3, value=str(price))        outws.cell(row=count, column=4, value=str(comment_count))        outwb.save("京东商品-李运辰.xls")#保存

最后保存成京东商品-李运辰.xls

5

下一页分析

很重要！很重要！很重要！

1.分析下一页

这里的下一页与平常看到的不一样，有点特殊！

可以发现page和s有一下规律

page以2递增，s以60递增。

2.构造下一页链接

遍历每一页def getpage():    page=1    s = 1    for i in range(1,6):        print("page="+str(page)+",s="+str(s))        url = "https://search.jd.com/search?keyword=笔记本&wq=笔记本&ev=exbrand_联想%5E&page="+str(page)+"&s="+str(s)+"&click=1"        getlist(url)        page = page+2        s = s+60

这样就可以爬取下一页。

6

总结

1.入门爬虫（京东商品数据为例）。

2.如何获取网页标签。

3.获取『京东』商品评论数

4.如何通过python将数据保存到excel

5.分析构造『京东』商品网页下一页链接