最详细爬虫零基础教程12——某网评论爬取教程

最新推荐文章于 2024-07-09 22:40:02 发布

莘薪

最新推荐文章于 2024-07-09 22:40:02 发布

阅读量608

点赞数 20

分类专栏： python爬虫文章标签：爬虫零基础最详细教程 python

本文链接：https://blog.csdn.net/ZxVSaccount/article/details/137130834

版权

python爬虫专栏收录该内容

12 篇文章 0 订阅

订阅专栏

本文介绍了如何使用Python的requests和jsonpath库进行某网站单页评论爬取，并处理了referer错误。随后扩展到翻页案例，通过循环实现高效抓取大量评论数据。

摘要由CSDN通过智能技术生成

前言

本文我们主要是讲述一个某网站评论爬取的案例

一、单页爬取

目标url：https://ke.qq.com/course/380991/12573838881968191?tuin=7265bf35#term_id=100454125

import jsonpath
import requests

if __name__ == '__main__':
    # 1.确认代理url
    url_ = 'https://ke.qq.com/cgi-bin/comment_new/course_comment_list?cid=380991&filter_rating=0&page=0&bkn=&r=0.9592'

    # 2.用户代理
    headers_ = {
        # 添加跳转referer
        'Referer': 'https://ke.qq.com/course/380991/12573838881968191?tuin=7265bf35',
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/122.0.0.0 Safari/537.36'
    }
    response_ = requests.get(url_, headers=headers_)
    py_data = response_.json()
    # print(py_data)
    # 3.解析数据
    name_list = jsonpath.jsonpath(py_data, '$..nick_name')
    print(name_list)
    comment_list = jsonpath.jsonpath(py_data, '$..first_comment')
    print(comment_list)
    for i in range(len(name_list)):
        dict_ = {}
        dict_[name_list[i]] = comment_list[i]
        print(dict_)

报错处理：{“msg”:“refer错误”,“type”:1,“retcode”:100101}

解决：referer错误，是一个新的反爬点，只要加上一个referer跳转就可以成功访问

二、翻页案例

我们获取数据的时候，一般一次性会需要的到大量的数据，但是一页一页的爬取效率就会极其低下，这就引发了另一种思考，我们是否可以利用代码来实现评论的翻页呢？

import jsonpath
import requests
import time
import json

if __name__ == '__main__':
    with open('腾讯评论.json','w') as f:
        dict_list = []
        for page in range(2):
            # 1.确认代理url
            url_ = f'https://ke.qq.com/cgi-bin/comment_new/course_comment_list?cid=380991&filter_rating=0&page={page}&bkn=&r=0.9592'

            # 2.用户代理
            headers_ = {
                # 添加跳转referer
                'Referer': 'https://ke.qq.com/course/380991/12573838881968191?tuin=7265bf35',
                'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/122.0.0.0 Safari/537.36'
            }
            response_ = requests.get(url_,headers=headers_)
            py_data = response_.json()
            # print(py_data)
            # 3.解析数据
            name_list = jsonpath.jsonpath(py_data,'$..nick_name')
            # print(name_list)
            comment_list = jsonpath.jsonpath(py_data, '$..first_comment')
            # print(comment_list)
            for i in zip(name_list,comment_list):
                dict_data = {
                    '姓名': i[0],
                    '内容': i[1]
                }
                dict_list.append(dict_data)
            print(f'第{page+1}页打印完成，休息一下~')
            time.sleep(2)
        json_data = json.dumps(dict_list,ensure_ascii=False)
        f.write(json_data)