python 爬取亚马逊评论_用Python爬取猫眼电影里柯南剧场版的6000条评论

前言

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。

作者： 城南有梦

PS：如有需要Python学习资料的小伙伴可以加点击下方链接自行获取

http://note.youdao.com/noteshare?id=3054cce4add8a909e784ad934f956cef

一、工具及环境准备

Pycharm Python3.7.3

二、网页分析

打开猫眼电影官网，发现猫眼电影在电脑网页上看不了很多的评论，于是小编打开开发者模式(按F12)，并将其切换到手机端模拟状态。就是下面这个样子：

然后，点击柯南的那一栏直到出现评论：

之后小编就在想，前后端数据的传输肯定是以json格式传输，于是小编就在过滤器那里输入json过滤出json数据，额，，，发现什么都没有，有点尴尬：

不过别急，等我往下滑就出来了：

这样，相关的json数据就出来了，然后我们双击看一下是不是我们想要的评论：(密集恐惧者慎入)

接下来我们继续分析json数据接口url的特点和json格式数据中评论所在的地方，分析发现url的前面都是这样：

而变化的是后面的offset和ts，而且offset是从0开始之后每个增加15来开始增加的，而后面的ts则是一个长达13位的数据，不过如果对数字十分敏感的同学来说，1568854570326则是当前时间的毫秒级显示：

也就是说，这里传入的ts参数就是当前的时间戳，而小编也发现offset每次以15的数量增加，是因为每个json文件里对应15条评论。知道这些就好办了，接下来就是show time。

三、代码编写 总体思路：通过python构造对应的json文件的url，然后通过requests库的request.get方法向json文件的url发出请求从而获得对应的json文件数据，接下来就是对json文件数据的解析，获取我们所需要的评论，然后将评论存到一个.txt文件中，这样就完成了对评论数据的爬取了。代码如下：

import requestsimport timeimport jsonimport randomimport codecs# 伪装成浏览器my_headers = { 'User-Agent':'Mozilla/5.0 (Windows NT 10.0;Win64; x64) ' 'AppleWebKit/537.6 (KHTML),like Gecko Chrome/61.0.3613.00 ' 'Safari/537.36', 'Referer':'http://m.maoyan.com/movie/1258394/comments?_v_=yes'}def requestURL(): baseUrl = 'http://m.maoyan.com/review/v2/comments.json' off = 0 time_now = (int)(round(time.time()*1000)) for i in range(400): parame = { 'movieId':'1258394', 'userId':'-1', 'offset':off, 'limit':'15', 'ts':time_now, 'type':'3' } off+=15 r = requests.get(baseUrl,params=parame,headers=my_headers,timeout=5) if r.status_code==200: data = json.loads(r.text) commentList = data['data']['comments'] time_now = (int)(round(time.time()*1000)) writeToFile(commentList,off) time.sleep(random.random()) else: print(r.status_code)def writeToFile(comments,off): fileName = '电影评论.txt' with codecs.open(fileName,'a+',encoding='utf-8') as f: for contain in comments: f.write(str(contain['content'])+'') f.close() print("已经爬取",off,"条数据")if __name__=='__main__': requestURL()

爬取过程：

爬取结果：

四、对评论进行数据分析

代码如下：

import numpy as npfrom wordcloud import WordCloudimport PIL.Image as imageimport codecsif __name__=='__main__': with codecs.open("电影评论.txt",encoding='utf-8') as fp: text = fp.read() mask = np.array(image.open("柯南.jpg")) wordcloud = WordCloud(mask=mask,background_color='white').generate(text) wordcloud.to_file('词云柯南.jpg')

.