周末无聊,于是研究了下python爬虫。
写了一个京东爬虫,设置了每天12:00/18:00/19:00自动读取一次京东评论,以此来查看锤子科技坚果手机pro3的销量变化。
主要的难点
1)京东屏蔽了直接访问评论页面,如果直接访问评论页面,会返回一个空值。
所以我尝试在商品页调用评论js后,得到一个请求headers,然后在python里使用了这个headers去调取评论页。
果然京东返回了数据。
2)以前京东返回的数据是直接的一个json文件,但是不知道为啥返回的数据前后都添加了字符,
导致直接读取到json.loads会报错,我只好使用字符串工具把response.text[25:-2]取代哦了前面25个字符和最后2个字符,然后json就可以正常读取了。
详细代码:
偶尔练习一下编程挺有意思的。
对于爬虫技术,requests和xpath的基本用法已经掌握了,但是对于re和yield不太理解。
python学习目标是自己能够爬取一些数据,并用python工具与EXCEL配合做些数据分析。