使用Chrome、python3.7、requests庫(kù)和VSCode進(jìn)行爬取馬蜂窩黃鶴樓的文字評(píng)論(http://www.mafengwo.cn/poi/5426285.html)。

創(chuàng)新互聯(lián)自2013年起，是專業(yè)互聯(lián)網(wǎng)技術(shù)服務(wù)公司，擁有項(xiàng)目網(wǎng)站設(shè)計(jì)、成都網(wǎng)站設(shè)計(jì)網(wǎng)站策劃，項(xiàng)目實(shí)施與項(xiàng)目整合能力。我們以讓每一個(gè)夢(mèng)想脫穎而出為使命，1280元松江做網(wǎng)站,已為上家服務(wù),為松江各地企業(yè)和個(gè)人服務(wù),聯(lián)系電話:13518219792

首先，我們復(fù)制一段評(píng)論，查看網(wǎng)頁(yè)源代碼，按Ctrl+F查找，發(fā)現(xiàn)沒(méi)有找到評(píng)論，說(shuō)明評(píng)論內(nèi)容不在http://www.mafengwo.cn/poi/5426285.html頁(yè)面。

回到頁(yè)面，劃到評(píng)論列表，右鍵檢查，選擇Network，然后點(diǎn)擊后一頁(yè)翻頁(yè)，觀察Network里的變化，我們要爬的文件就在下面的某個(gè)文件里（主要找XHR和JS兩個(gè)模塊）。選擇Preview可以更好的讓我們尋找我們想要的文件，然后選擇Headers找到我們要爬的url。

經(jīng)過(guò)分析我們找到要爬取的url是http://pagelet.mafengwo.cn/poi/pagelet/poiCommentListApi?callback=jQuery18102698237405245767_1579401525334¶ms=%7B%22poi_id%22%3A%225426285%22%2C%22page%22%3A2%2C%22just_comment%22%3A1%7D&_ts=1579402072160&sn=20e98d65a0&=1579402072161
然而點(diǎn)進(jìn)去是這樣的

這個(gè)時(shí)候?qū)Ρ纫幌逻@兩個(gè)頁(yè)面的Request Headers，發(fā)現(xiàn)原頁(yè)面多了個(gè)Refer參數(shù)

原頁(yè)面

然后看一下請(qǐng)求get請(qǐng)求需要的參數(shù)Query String Parameters，其中poi_id是景點(diǎn)id，page是評(píng)論頁(yè)面（翻頁(yè)只用改變page的值就行）。

import re
import time
import requests
#評(píng)論內(nèi)容所在的url，？后面是get請(qǐng)求需要的參數(shù)內(nèi)容
comment_url='http://pagelet.mafengwo.cn/poi/pagelet/poiCommentListApi?'

requests_headers={
  'Referer': 'http://www.mafengwo.cn/poi/5426285.html',
  'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.88 Safari/537.36'
}#請(qǐng)求頭

for num in range(1,6):
  requests_data={
    'params': '{"poi_id":"5426285","page":"%d","just_comment":1}' % (num)  #經(jīng)過(guò)測(cè)試只需要用params參數(shù)就能爬取內(nèi)容
    }
  response =requests.get(url=comment_url,headers=requests_headers,params=requests_data)
  if 200==response.status_code:
    page = response.content.decode('unicode-escape', 'ignore').encode('utf-8', 'ignore').decode('utf-8')#爬取頁(yè)面并且解碼
    page = page.replace('\\/', '/')#將\/轉(zhuǎn)換成/
    #日期列表
    date_pattern = r'評(píng)論.*?\n.*?(.*?)'
    date_list = re.compile(date_pattern).findall(page)
    #星級(jí)列表
    star_pattern = r''
    star_list = re.compile(star_pattern).findall(page)
    #評(píng)論列表
    comment_pattern = r'
([\s\S]*?)
'
    comment_list = re.compile(comment_pattern).findall(page)
    for num in range(0, len(date_list)):
      #日期
      date = date_list[num]
      #星級(jí)評(píng)分
      star = star_list[num]
      #評(píng)論內(nèi)容，處理一些標(biāo)簽和符號(hào)
      comment = comment_list[num]
      comment = str(comment).replace(' ', '')
      comment = comment.replace('
', '')
      comment = comment.replace('
', '')
      print(date+"\t"+star+"\t"+comment)
  else:
    print("爬取失敗")

當(dāng)前名稱：python爬取馬蜂窩景點(diǎn)翻頁(yè)文字評(píng)論的實(shí)現(xiàn)-創(chuàng)新互聯(lián)
瀏覽地址：http://weahome.cn/article/hegjg.html