Python爬虫实战讲解：某东商品评论信息采集流程分析

前言

电商平台的小爬虫，通过网站的搜索接口拿到商品ID，根据商品ID采集对应的评论。

1、目标网站：

aHR0cHM6Ly9zZWFyY2guamQuY29tL1NlYXJjaD9rZXl3b3JkPSVFOSVBMyU5RiVFNSU5MyU4MQ==

搜索的关键词可自行更改，文章这里以食品为例。

2、主要用到的技能如下：

• xpath页面解析，提取字段信息
• url编码，设置referer反爬
• 对比多个请求，查看翻页参数的变化

PS：如有需要Python学习资料的小伙伴可以加下方的群去找免费管理员领取

 

可以免费领取源码、项目实战视频、PDF文件等

 

评论接口

一、接口查找

随意点击某一商品，跳转详情页，点击商品评价

 

继续下翻，查看评论展示页数，这里只显示100页

 

要查找真正的评论接口，直接刷新页面，找起来相当麻烦。

打开调试，清空请求内容，直接点击查看第二页的接口信息，如下图

 

查看response信息，根据字段comments很容易判断这就是要找的评论接口，里面还包含了热门评论信息。

二、参数查找

先截图记录下点击第二页的请求参数，如下图

 

接着继续点击第三页内容，左侧搜索框中直接搜索productP，过滤无用的接口信息，查看请求参数，并和前一页的请求参数做比较。

 

分析到这里可以得到如下结论

• productId代表当前商品的ID，更换商品ID，便可以采集不同商品的评论
• page代表访问的页数，这里计算页数从0开始，参数请求的页数等于实际点击的页数减1

三、代码测试

代码如下，请求时需要在headers中加入ua和referer，这里翻页只设置2

 

执行结果如下:

 

代码里只提取了商品ID，评论内容，评论时间，如下图红框标注的数据

 

如果要提取其他字段信息，可在代码中自行添加。

搜索接口

一、接口查找

搜索以食品为例，输入食品，点击搜索

 

继续下翻，查看商品返回页数，这里也是最大返回100页信息

 

打开调试，清空请求内容，根据上面写的查找评论接口的方法，直接点击第二页，观察新增请求。

这里点击红框中s_new接口时，发现响应的信息是html，响应的内容，正好是页面展示的我们需要的商品信息。

 

二、参数查找

同样的，根据下滑，翻页查看参数的变化

点击页面第二页参数如下

 

 

页面上商品展示信息较多，有可能出现会临时加载一次请求的可能，继续下翻，恰好可以看到新增了一次请求，请求参数如下，看着参数增多了。（注意：新增的参数可以忽略）

 

接着点击第三页

 

 

如果无法发现规律，可继续点击翻页查看变化规则。

接口参数的构造逻辑有以下几点：

• 每一页有两次请求，page初始值为1
• s的值每次请求增加25，初始值为1
• 其他参数值不变，部分新增参数可以忽略

三、html页面解析

直接定位到页面商品位置，可以看到所有商品信息都在ul标签下的li标签里面

 

点击li标签，可以看到div/div下的a标签里面，包含商品title信息，商品链接信息，链接当中又包含我们需要提取的product_id信息，右键copy、copy xpath直接提取位置信息。

 

四、代码测试

代码如下，注意headers中，referer参数需要进行url编码。

 

执行结果如下：

 

这里只提取了title、product_id两个字段，需要可新增。

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。

作者：習慣有妳