淘宝商品的评价数据非常具有研究意义,可以尝试作为神经网络RNN的训练原料。我们使用python中的request库可以直接爬取评论数据,并不需要任何其他框架以及浏览器支持。
1,我们要爬取的淘宝商品页,我们可以看到地址栏中id=*************显示的内容是商品在数据库中的id
2,评论所在位置的真实url,以刚刚的宝贝为例,https://rate.taobao.com/feedRateList.htm?auctionNumId=553063221972¤tPageNum=1。在Url中体现了对应商品的ID以及评论当前所在的页数。
3,使用request库爬取评论对应的真实url。我们代码的第一步是从宝贝页面的url中获取到评论的地址位置,然后进行request,并循环执行直到最后一页,最后进行内容解析并将数据用pandas df进行存储。