大众点评评论抓取-加密评论信息完整抓取

前言：

之前写的抓取大众的商家信息和点评评论星级，前两篇博文可以自行查阅，后面经常有人问我评论信息怎么抓取，因为以前评论部分没有加密，如今大众点评的评论信息做了前端字体加密，因此一般不会完整的抓取到信息，今天做一下更新。

前两篇博文：

大众点评热门餐厅抓取与数据分析

大众点评评论抓取，这个是老版本的，但是注意点还是可以看看的，以免被反爬。

---

本篇博文更新于2018/12/20，针对目前加密方式可行，未来不可知。

先说说它怎么做了加密吧。

如下图：部分字体被<span>标签包含，实际它是一张svg背景图，用css样式控制雪花图显示加载，并且可以看到他的css的background属性，可自行更改看看效果，注意字体width：14px，这个后面为解密有用。

思路：

1. 获取评论部分的完整HTML样式，把整个内容用list存起来；

2. 获取css样式，样式在源码的位置，如下图，我们需要的是每个span标签里的class属性值，因为它对应background坐标信息。

3. 从css样式中动态取svg图片链接，生成字典库，然后用第二步的css坐标经过处理，查找真实字所对应的值，并返回最终真实评论。

步骤：

图一各标签位置还是需要了解一下的。

一、查看源码，知道css样式链接在哪里，保存该链接。

二、第一步获取的css链接样式里会有一个background-image标签，里面包含加密字体的svg路径，保存该路径，同时将该css文件的.*****{background：-*,-*}做成字典保存起来。

敲黑板了：图片一中提到过字体样式宽度为14px,因此我们把获取的background的x坐标/14，就是最终加密字体svg中的位置，svg每一行的字符串可转为数组存储，这样就能建立对应关系。background的y坐标要和svg中的<path>中的值比较，后续说。

三、这是加密字体的svg文件，注意看<path> 标签，它的id对应后面<textPath>标签的href值，它的d值就很有意思，也是解密的关键。

敲黑板了：步骤二中提到过background的y值，再和d列的M0后面值做比较就有意思了，比如
.gqi4j {background: -98.0px -130.0px;} 中的y：-130，取正数130，小于<path>标签中的d属性第二列的174这个值，则对应加密字库实际y轴为174，对应的id=4，就是<textPath>中的href标签，也就是加密字体的y轴坐标，