Python 爬取携程景点用户评论信息教程_以武汉木兰草原景点为例

Python 爬取携程景点评论教程

话不多说，先看结果，满意再点赞+关注+收藏！

这是爬取武汉木兰草原的用户评论

携程木兰草原页面网址

https://you.ctrip.com/sight/wuhan145/50956.html

爬取中

爬取后保存为.CSV文件

上代码！

编写爬虫类

// An highlighted block
import csv
import json
import time

import requests
class Reptile:       #创建一个爬虫类，方便在其他文件中调用
    def __init__(self, postURL, user_agent, poiId, cid, startPageIndex, endPageIndex, file):
        self.postURL = postURL
        self.user_agent = user_agent
        self.poiId = poiId
        self.cid = cid
        #上面这些对应着包中的头部信息填就是了
        self.startPageIndex = startPageIndex     #开始爬取的页码
        self.endPageIndex = endPageIndex         #结束爬取的页码
        self.file = file           #保存记录的.csv文件的文件名，一定要将后缀名也写上，如："****.csv"
        self.dataListCSV = []      #用来暂存爬取结果，是一个二维列表，dataListCSV中的每一个元素对应一条记录，便于写入CSV文件

    def get(self):
        for i in range(int(self.startPageIndex), int(self.endPageIndex)+1):       #爬取第 i 页
            requestParameter = {
                'arg': {'channelType': '2',
                        'collapseType': '0',
                        'commentTagId': '0',
                        'pageIndex': str(i),    #爬取的评论页面的页码索引
                        'pageSize': '10',       #每页的评论数量
                        'poiId': str(self.poiId),   #景点地址代码
                        'sortType': '1',
                        'sourceType': '1',
                        'starType': '0'},

                'head': {'auth': "",
                         'cid': self.cid,   #不同景点的cid不同，因此需要自行设置
                         'ctok': "",
                         'cver': "1.0",
                         'extension': [],
                         'lang': "01",
                         'sid': "8888",
                         'syscode': "09",
                         'xsid': ""}
            }
            html = requests.post(self.postURL, data=json.dumps(requestParameter)).text
            html = json.loads(html)    #得到第i页字典形式的全部评论数据
            for element in html["result"]["items"]:             #处理景色、趣味、性价比得分
                if element['scores']:
                    if element['scores'][0]:
                        sceneryScore = str(element['scores'][0]["score"])
                    else:
                        sceneryScore = ""
                    if element['scores'][1]:
                        interestScore = str(element['scores'][2]["score"])
                    else:
                        interestScore = ""
                    if element['scores'][3]:
                        costScore = str(element['scores'][4]["score"])
                    else:
                        costScore = ""
                else:
                    sceneryScore = ""
                    interestScore = ""
                    costScore = ""

                #处理评论时间的格式
                publishTime = time.strftime("%Y-%m-%d %H:%M:%S", time.localtime(int(element["publishTime"][6:16])))
                self.dataListCSV.append([len(self.dataListCSV)+1, element["userInfo"]["userNick"], publishTime, element["score"], sceneryScore, interestScore, costScore, element["districtId"], element["content"]])

            print(f"页面 {i} 已爬取", type(html))
            time.sleep(4)
        print(self.dataListCSV)
        with open(self.file, "w+", encoding="utf8", newline="") as f: #将dataListCSV列表内容写入.csv文件中
            write = csv.writer(f)
            write.writerow(["序号","昵称", "发布日期", "总体给分", "景色分", "趣味分", "性价比分", "地区编号", "评论内容"])
            write.writerows(self.dataListCSV)

调用爬虫

// An highlighted block
#我的Reptile类是放在dataProcurement包下的

from dataProcurement.Reptile import Reptile 

postURL = "https://m.ctrip.com/restapi/soa2/13444/json/getCommentCollapseList?_fxpcqlniredt=09031083119044546256"
user_agent = "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/95.0.4638.54 Safari/537.36 Edg/95.0.1020.30"
poiId = 83520
cid = "09031083119044546256"
startPageIndex = 1
endPageIndex = 20

reptile = Reptile(postURL, user_agent, poiId, cid, startPageIndex, endPageIndex, "mlcy.csv")
reptile.get()

浏览器对应包结构如下图

找到networks（网络）中的getCommentCollapseList包，postURL见标头部分的请求URL，写到https://m.ctrip.com/restapi/soa2/13444/json/getCommentCollapseList?_fxpcqlniredt=09031083119044546256

即可，不要全写。
poiId和cid见请求负载部分，
user_agent就不用再多说了，能找到这篇文章的朋友应该都懂。

好了，到此你已经成功爬取到了携程景点的用户评论信息！