使用 Python 爬取京东商品评论并保存为 CSV 文件(requests方法）

小白的代码日记

于 2025-03-15 22:11:44 发布

阅读量1.6k

点赞数 44

文章标签： python 信息可视化爬虫

本文链接：https://blog.csdn.net/m0_62923286/article/details/146286310

版权

在电商平台中，用户评论是非常重要的数据，它可以帮助我们了解商品的优缺点、用户的使用体验等。本文将介绍如何使用 Python 爬取京东商品的评论数据，并将数据保存为 CSV 文件。我们将从京东商品评论页面获取评论内容、评分、用户昵称、评论时间等信息，并额外爬取每条评论的图片数量。

首先给出完成的源代码：

import requests
import csv
import json
import time

# 创建文件对象
f = open('data.csv', mode='w', encoding='utf-8-sig', newline='')
# 更新 fieldnames，添加 imageCount
csv_writer = csv.DictWriter(f, fieldnames=['nickname', 'score', 'content', 'productColor', 'creationTime', 'imageCount'])
csv_writer.writeheader()

# 请求头
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36'
}

# 基础URL
base_url = 'https://club.jd.com/comment/productPageComments.action'

# 构建循环爬取 1-5 分评论
for score in range(1, 6):  # 1-5 分
    print(f'正在采集 {score} 分的评论数据')
    params = {
        'productId': '100142621600',  # 商品ID
        'score': score,  # 评分类型（1-5 分）
        'sortType': 5,  # 排序类型（5表示推荐排序）
        'page': 0,  # 页码
        'pageSize': 10,  # 每页评论数量
        'isShadowSku': 0,  # 是否影子商品
        'fold': 1  # 是否折叠
    }

    # 构建循环翻页
    for page in range(1, 6):  # 每分爬取前 5 页
        print(f'正在采集第{page}页的数据内容')
        params['page'] = page

        # 发送请求
        response = requests.get(base_url, params=params, headers=headers)
        if response.status_code != 200:
            print(f'请求失败，状态码：{response.status_code}')
            continue

        # 解析JSON数据
        json_data = response.json()

        # 提取评论所在列表
        comments = json_data['comments']

        # 遍历评论
        for index in comments:
            # 提取具体评论信息, 保存字典
            dit = {
                'nickname': index.get('nickname', ''),  # 昵称
                'score': index.get('score', ''),  # 评分
                'content': index.get('content', ''),  # 评论内容
                'productColor': index.get('productColor', ''),  # 产品颜色
                'creationTime': index.get('creationTime', ''),  # 评论时间
                'imageCount': len(index.get('images', []))  # 图片数量
            }
            # 写入数据
            csv_writer.writerow(dit)
            print(dit)

        # 防止请求过快，适当延时
        time.sleep(1)

# 关闭文件
f.close()

运行结果：

接下来我们一步步分析代码是如何生成的

1. 准备工作

在开始之前，我们需要安装以下 Python 库：

requests：用于发送 HTTP 请求。
csv：用于处理 CSV 文件。
json：用于解析 JSON 数据。
time：用于设置请求间隔，防止被封禁

你可以通过以下命令安装这些库：

pip install requests

2. 分析京东评论接口

京东的商品评论数据是通过 AJAX 请求加载的，我们可以通过浏览器的开发者工具（F12）找到评论数据的接口。经过分析，我们发现评论数据的接口如下：

https://club.jd.com/comment/productPageComments.action

该接口支持以下参数：

productId：商品 ID。
score：评分类型（1-5 分）。
sortType：排序类型（5 表示推荐排序）。
page：页码。
pageSize：每页评论数量。
isShadowSku：是否影子商品。
fold：是否折叠。

3. 编写爬虫代码

接下来，我们编写 Python 代码来爬取评论数据并保存为 CSV 文件。

3.1 导入库

首先，导入所需的库：

import requests
import csv
import json
import time

3.2 创建 CSV 文件

我们使用 csv.DictWriter 来创建一个 CSV 文件，并定义表头：

# 创建文件对象
f = open('data.csv', mode='w', encoding='utf-8-sig', newline='')
# 定义表头
csv_writer = csv.DictWriter(f, fieldnames=['nickname', 'score', 'content', 'productColor', 'creationTime', 'imageCount'])
csv_writer.writeheader()

3.3 设置请求头

为了模拟浏览器请求，我们需要设置请求头：

headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36'
}

3.4 构建请求参数

我们使用循环来爬取 1-5 分的评论数据，并设置每页爬取 10 条评论，总共爬取 5 页：

# 基础URL
base_url = 'https://club.jd.com/comment/productPageComments.action'

# 构建循环爬取 1-5 分评论
for score in range(1, 6):  # 1-5 分
    print(f'正在采集 {score} 分的评论数据')
    params = {
        'productId': '100142621600',  # 商品ID
        'score': score,  # 评分类型（1-5 分）
        'sortType': 5,  # 排序类型（5表示推荐排序）
        'page': 0,  # 页码
        'pageSize': 10,  # 每页评论数量
        'isShadowSku': 0,  # 是否影子商品
        'fold': 1  # 是否折叠
    }

3.5 发送请求并解析数据

我们使用 requests.get 发送请求，并解析返回的 JSON 数据：

  # 构建循环翻页
    for page in range(1, 6):  # 每分爬取前 5 页
        print(f'正在采集第{page}页的数据内容')
        params['page'] = page

        # 发送请求
        response = requests.get(base_url, params=params, headers=headers)
        if response.status_code != 200:
            print(f'请求失败，状态码：{response.status_code}')
            continue

        # 解析JSON数据
        json_data = response.json()

        # 提取评论所在列表
        comments = json_data['comments']

3.6 提取评论信息并保存到 CSV

我们遍历每条评论，提取所需的信息，并将其保存到 CSV 文件中：

    # 遍历评论
        for index in comments:
            # 提取具体评论信息, 保存字典
            dit = {
                'nickname': index.get('nickname', ''),  # 昵称
                'score': index.get('score', ''),  # 评分
                'content': index.get('content', ''),  # 评论内容
                'productColor': index.get('productColor', ''),  # 产品颜色
                'creationTime': index.get('creationTime', ''),  # 评论时间
                'imageCount': len(index.get('images', []))  # 图片数量
            }
            # 写入数据
            csv_writer.writerow(dit)
            print(dit)

        # 防止请求过快，适当延时
        time.sleep(1)