web crawler案例篇(四)

获取所需内容的URL

在这里插入图片描述

"""爬取TMAO评论"""
"""导入需要的库"""
import requests
from bs4 import  BeautifulSoup as bs
import json
import csv
import re
import time
import random
import pandas as pd
#存储目标js的URL列表
comment_page_url = []

#生成链接列表
def Get_Url(num):
    urlFront = 'https://rate.tmall.com/list_detail_rate.htm?itemId=616280047803&spuId=1606165105&sellerId=1114511827&order=3&currentPage='
    urlRear = '&append=0&content=1&tagId=&posi=&picture=&groupId=&ua=098%23E1hvNvvnvPOvUpCkvvvvvjiWP25w0jY8R2cy0jivPmPhzjDUP2qOgjn2nLspgjYRPuQCvvyvhjZ2cDgvR2mVvpvhvvpvvvgCvvpvvvvvKvhv8vvvvvCvpvvvvvv2UZCvC26vvUnvphvpgvvv96CvpCvOvvm2phCvhCkUvpvVmvvC9jaPuvhvmvvv9buNeLOimvhvLvsGPpvjfiVvQRA1%2B2n79RLIAfUTnZJt9b7gRbIs7T2UlnA4DVQCKWjxsLpZwxkQrfFCKdyIvWmy%2BE7re169rWoQABoXfHTQD7zwdipvvpvVvmvvvhCvRvhvCvvvvvmevpvhvvmv9uQCvvyvmnu22p6vLRevvpvZ7Dsfh8Pw7Di4fic5jWn4KldXz69gvpvhvvvvvv%3D%3D&needFold=0&_ksTS=1605764555984_663&callback=jsonp664'
    for i in range(0,num):
        comment_page_url.append(urlFront+str(1+i)+urlRear)
#获取评论数据
def GetInfo(num):
    all_content=pd.DataFrame() #建立数据框,用来存放爬取的内容
    nickname = []    #存放用户
    auctionSku = []  #存放物品
    ratecontent = [] #存放时间
    ratedate = []    #存放评论
    for i in range(num):       #循环获取每一页评论
        headers = {
            'cookie':'cna=dWpBF2Pv9QECAbfFDOopLfUH; hng=CN%7Czh-CN%7CCNY%7C156; lid=t_1502455534824_0412; xlly_s=1; sgcookie=E8oBT%2FERviagKafirFG9C; t=8dc5969b72f63bf782d40cc5c00cdc45; tracknick=t_1502455534824_0412; _tb_token_=eeee3798860; cookie2=198a442f144dea14cbcf08dc47bf049a; _m_h5_tk=b1fd32d1537844ad93a3921c0c96cf21_1605772786693; _m_h5_tk_enc=fd3d580ac0c2eb70a8ee9c1fbef957a7; tfstk=cWyGBQmRU5l6M4G3NOM_2BNm-bycZ5pqr-yQLJJ-k31QuReFijRea1tOxVYPJI1..; l=eBIDPwQRQC9XXOGvBOfwhurza77OGIRfguPzaNbMiOCPO2fWPu81WZ7Po78XCnGVHsT6R3rEQAfYByYOiyIVokb4d_BkdlkmndC..; isg=BK-vep1MLJCIFCmlT2yTDUWVPsO5VAN2jtz_BcE8Jp4IEM4SySYTxsiGkgAuaNvu',
            'user-agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36',
            'referer': 'https://detail.tmall.com/item.htm?spm=a220m.1000858.1000725.1.481761e9rsLHLx&id=616280047803&skuId=4478591848253&user_id=1114511827&cat_id=2&is_b=1&rn=439c1b3c72a8a5fd26a2d53c7a3f6bad',
            'accept': '*/*',
            'accept-encoding':'gzip, deflate, br',
            'accept-language': 'zh-CN,zh;q=0.9'
        }
        #正则表达式解析JS文件内容
        content = requests.get(comment_page_url[i],headers=headers).text
        nk = re.findall('"displayUserNick":"(.*?)"', content)
        nickname.extend(nk)
        auctionSku.extend(re.findall('"auctionSku":"(.*?)"', content))
        ratecontent.extend(re.findall('"rateContent":"(.*?)"', content))
        ratedate.extend(re.findall('"rateDate":"(.*?)"', content))
        all_content=all_content.append(pd.DataFrame({'auctionSku':auctionSku, 
                                                     'rateDate':ratedate,
                                                     'rateContent':ratecontent})) #获取的内容存入数据框中
        all_content.to_csv('E:\\TmallContent.csv',index=False,encoding='gb18030')
        time.sleep(random.randint(2,3))
        print("第{}页爬取完成".format(i+1))
#主函数
if __name__ == "__main__":
    Page_Num = 5
    Get_Url(Page_Num)
    GetInfo(5)

在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
【优质项目推荐】 1、项目代码均经过严格本地测试,运行OK,确保功能稳定后才上传平台。可放心下载并立即投入使用,若遇到任何使用问题,随时欢迎私信反馈与沟通,博主会第一时间回复。 2、项目适用于计算机相关专业(如计科、信息安全、数据科学、人工智能、通信、物联网、自动化、电子信息等)的在校学生、专业教师,或企业员工,小白入门等都适用。 3、该项目不仅具有很高的学习借鉴价值,对于初学者来说,也是入门进阶的绝佳选择;当然也可以直接用于 毕设、课设、期末大作业或项目初期立项演示等。 3、开放创新:如果您有一定基础,且热爱探索钻研,可以在此代码基础上二次开发,进行修改、扩展,创造出属于自己的独特应用。 欢迎下载使用优质资源!欢迎借鉴使用,并欢迎学习交流,共同探索编程的无穷魅力! 基于业务逻辑生成特征变量python实现源码+数据集+超详细注释.zip基于业务逻辑生成特征变量python实现源码+数据集+超详细注释.zip基于业务逻辑生成特征变量python实现源码+数据集+超详细注释.zip基于业务逻辑生成特征变量python实现源码+数据集+超详细注释.zip基于业务逻辑生成特征变量python实现源码+数据集+超详细注释.zip基于业务逻辑生成特征变量python实现源码+数据集+超详细注释.zip基于业务逻辑生成特征变量python实现源码+数据集+超详细注释.zip 基于业务逻辑生成特征变量python实现源码+数据集+超详细注释.zip 基于业务逻辑生成特征变量python实现源码+数据集+超详细注释.zip
提供的源码资源涵盖了安卓应用、小程序、Python应用和Java应用等多个领域,每个领域都包含了丰富的实例和项目。这些源码都是基于各自平台的最新技术和标准编写,确保了在对应环境下能够无缝运行。同时,源码中配备了详细的注释和文档,帮助用户快速理解代码结构和实现逻辑。 适用人群: 这些源码资源特别适合大学生群体。无论你是计算机相关专业的学生,还是对其他领域编程感兴趣的学生,这些资源都能为你提供宝贵的学习和实践机会。通过学习和运行这些源码,你可以掌握各平台开发的基础知识,提升编程能力和项目实战经验。 使用场景及目标: 在学习阶段,你可以利用这些源码资源进行课程实践、课外项目或毕业设计。通过分析和运行源码,你将深入了解各平台开发的技术细节和最佳实践,逐步培养起自己的项目开发和问题解决能力。此外,在求职或创业过程中,具备跨平台开发能力的大学生将更具竞争力。 其他说明: 为了确保源码资源的可运行性和易用性,特别注意了以下几点:首先,每份源码都提供了详细的运行环境和依赖说明,确保用户能够轻松搭建起开发环境;其次,源码中的注释和文档都非常完善,方便用户快速上手和理解代码;最后,我会定期更新这些源码资源,以适应各平台技术的最新发展和市场需求。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值