用Python爬取美团外卖APP评论

一、介绍

朋友暑假实践需要美团外卖APP评论这一份数据，一开始我想，这不就抓取网页源代码再从中提取数据就可以了吗，结果发现事实并非如此，情况和之前崔大讲过的分析Ajax来抓取今日头条街拍美图类似，都是通过异步加载的方式传输数据，不同的是这次的是通过JS传输，其他的基本思路基本一致，希望那些数据能帮到她吧

二、流程

• 目标站点分析
  用浏览器打开美团外卖APP评论，F12
  1.首先我们要找到我们想要的评论数据，在第一次“失败”的直接抓取网页源代码后，我们发现它是通过Ajax加载的，我们点击JS选项，可以发现JS项目里面的返回结果有我们想要的数据，勾选Preserve log，当点击查看更多评论时，后台（JS里）会出现新的Ajax请求，发现还有参数start和的变化，其他请求参数不变，start的参数变化是以10递增的，的参数变化可就让人摸不着头脑（这个时候我们也不要方，因为大多情况下没有规律的参数都是没用的）
  

  

  1.0

2.经过我们对http://comment.mobilem.360.cn/comment/getComments?callback=jQuery17203361018749253357_1503362214558&baike=%E7%BE%8E%E5%9B%A2%E5%A4%96%E5%8D%96+Android_com.sankuai.meituan.takeoutnew&c=message&a=getmessage&start=0&count=10&_=1503362215647进行分析后发现它的标准式为‘http://comment.mobilem.360.cn/comment/getComments?&baike=%E7%BE%8E%E5%9B%A2%E5%A4%96%E5%8D%96+Android_com.sankuai.meituan.takeoutnew&start=’+str(i*10),i每次增加1，就包含新的十条评论的内容，所以我们通过改变i的值就可以拿到不同的数据

2.0

• 分析url的网页源代码，在源代码里有我们想要的评论数据，我们可以用正则（在这里正则还是比较好用的）把我们想要的信息弄下来

• 开启循环，批量抓取

• 保存数据至文本和数据库

---------------------------17/8/26第一次更新：关于获取评论的编码问题

#之前是这样处理的：def parse_one_page(html):
    pattern2 = re.compile('"m_type":"0",(.*?),"username"', re.S)
    items=re.findall(pattern2,html)    for item in items:
        item = "{" + item + "}"
        item=json.loads(item)
        write_to_file(item)
        print(item)
        save_to_mongo(item)#皮皮哥告诉了我他的独家正则匹配方法可以匹配出来，这样的确获得的item没有编码问题def parse_one_page(html):
    pattern = '\"content\":\".*?"'
    items=re.findall(pattern,html)    for item in items:
        item =eval(item.split(':',1)[1])
        write_to_file(item)
        print(item)
        save_to_mongo(item)#对一般正则写法获得的item进行的方法，这是从皮皮哥那里得知的，亲测有效def parse_one_page(html):
    pattern = re.compile('rsion_name".*?"content":(.*?),"username"', re.S)
    items=re.findall(pattern,html)    #print(items)
    for item in items:
        item = item.encode('utf-8').decode('unicode_escape')
        write_to_file(item)
        print(item)
        save_to_mongo(item)

三、代码

#config.pyMONGO_URL='localhost'MONGO_DB='meituan'MONGO_TABLE='meituan'

import requestsfrom requests.exceptions import RequestExceptionimport jsonimport refrom day31.config import *import pymongo

client=pymongo.MongoClient(MONGO_URL)
db=client[MONGO_DB]
base_url='http://comment.mobilem.360.cn/comment/getComments?callback=jQuery17209056727722758744_1502991196139&baike=%E7%BE%8E%E5%9B%A2%E5%A4%96%E5%8D%96+Android_com.sankuai.meituan.takeoutnew&start='def the_url(url):
    try:
        response = requests.get(url)        if response.status_code==200:
            response.encoding='utf-8'
            return response.text        return None
    except RequestException:
        print('请求出错')        return Nonedef the_total():
    html=the_url(base_url)
    pattern1 = re.compile('"total":(.*?),"messages"', re.S)
    Total = re.findall(pattern1, html)
    Total=int(':'.join(Total))    #print(type(Total))
    show='总计评论%d条'%Total
    print(show)
    write_to_file(show)    return Totaldef parse_one_page(html):
    pattern2 = re.compile('"m_type":"0",(.*?),"username"', re.S)
    items=re.findall(pattern2,html)    for item in items:
        item = "{" + item + "}"
        item=json.loads(item)
        write_to_file(item)
        print(item)
        save_to_mongo(item)def save_to_mongo(result):
    try:        if db[MONGO_TABLE].insert(result):
            print('储存到MongoDB成功',result)    except Exception:
        print('储存到MongoDB失败',result)def write_to_file(content):
    with open('meituan_result.text','a',encoding='utf-8') as f:
        f.write(json.dumps(content,ensure_ascii=False)+'\n')
        f.close()def main():
    Total=the_total()
    Total=int(Total/10)+2
    for i in range(Total):
        url = base_url + str(i*10)        if the_url(url)!=None:
            html=the_url(url)
            parse_one_page(html)        else:
            print('输完啦')
    ps='PS：因为有些评论空，所以实际评论比抓取的少'   #这是我瞎猜的
    write_to_file(ps)
    print(ps)if __name__ == '__main__':
    main()

四、最后得到的数据视图和文件

3.0

五、总结

1.程序报错很正常，不要一报错就问别人，先自己思考、百度
2.在数据类型处理方面的知识还要加强
3.感谢皮皮哥、感谢姚文峰前辈！

作者：1想得美
链接：https://www.jianshu.com/p/25c8b4cfda1a