用 Python 爬取网易严选妹子内衣信息，探究妹纸们的偏好

2019-10-21 本文已影响0人头顶一根发的程序猿

今天继续来分析爬虫数据分析文章，一起来看看网易严选商品评论的获取和分析。

警告：本教程仅用作学习交流，请勿用作商业盈利，违者后果自负！如本文有侵犯任何组织集团公司的隐私或利益，请告知联系我删除！！！

声明：这是一篇超级严肃的技术文，超！级！严！肃！请本着学习交流的态度阅读，谢谢！

网易商品评论爬取

分析网页

评论分析

进入到网易严选官网，搜索“文胸”后，先随便点进一个商品。

在商品页面，打开 Chrome 的控制台，切换至 Network 页，再把商品页面切换到评价标签下，选择一个评论文字，如“薄款、穿着舒适、满意”，在 Network 中搜索。

可以发现，评论文字是通过 listByItemByTag.json 传递过来的，点击进入该请求，并拷贝出该请求的 URL：

https://you.163.com/xhr/comment/listByItemByTag.json?csrf_token=060f4782bf9fda38128cfaeafb661f8c&__timestamp=1571106038283&itemId=1616018&tag=%E5%85%A8%E9%83%A8&size=20&page=1&orderBy=0&oldItemTag=%E5%85%A8%E9%83%A8&oldItemOrderBy=0&tagChanged=0

将该 URL 放入 Postman 中，逐个尝试 url query params，最后能够发现，只需保留 itemId 和 page 两个请求参数即可。

请求返回的是一个 JSON 格式的数据，下面就是分析该 JSON 数据了。

不难发现，所有的评论数据都存储在 commentList 中，我们只需保存该数据即可。

下面就是如何获取 itemId 的信息了，这个是产品的 ID，我们回到网易严选首页，继续分析。

产品 ID 获取

当我们在搜索框中输入关键字进行搜索的时候，同样能够发现在 Network 中有很多请求，此时可以观察各个请求，通过请求文件的名称（此处需要一些经验，守规矩的程序员都不会乱起名字），我们可以定位到搜索时展示搜索结果的请求。

搜索一般都是 search，所以我们就锁定了这个 search.json 的请求。同样把请求 URL 拷贝到 Postman 中，逐个验证传参，最后保留 page 和 keyword 两个参数即可。

该请求返回的数据较多，还是需要耐心的分析数据，也能够发现，在 result->data->directly->searcherResult->result 下面的 id 值，即为我们要获取的产品 ID。

以上，我们基本完成了前期的分析工作，下面开始代码的编写。

编写代码

获取产品 ID

defsearch_keyword(keyword):

uri ='https://you.163.com/xhr/search/search.json'

query = {

"keyword": keyword,

"page":1

}

try:

res = requests.get(uri, params=query).json()

result = res['data']['directly']['searcherResult']['result']

product_id = []

forrinresult:

product_id.append(r['id'])

returnproduct_id

except:

raise

我这里是获取了 page 为 1 的产品 ID，下面就是通过产品 ID 来获取不同产品下的评论信息。

通过前面的分析，我们可以知道，评论信息都是如下形式的，对这种形式的信息，我们可以很方便地存储进入 MongoDB，然后再慢慢分析数据里的内容。

{

"skuInfo": [

"颜色:肤色",

"杯码:75B"

],

"frontUserName":"1****8",

"frontUserAvatar":"https://yanxuan.nosdn.127.net/f8f20a77db47b8c66c531c14c8b38ee7.jpg",

"content":"质量好，穿着舒服",

"createTime":1555546727635,

"picList": [

"https://yanxuan.nosdn.127.net/742f28186d805571e4b3f28faa412941.jpg"

],

"commentReplyVO":null,

"memberLevel":4,

"appendCommentVO":null,

"star":5,

"itemId":1680205

}

对于 MongoDB，我们既可以自己搭建，也可以使用网上免费的服务。在这里我介绍一个免费的 MongoDB 服务网站：mlab，使用很简单，就不过多介绍使用过程了。

数据库有了，下面就是把数据保存进去了。

defdetails(product_id):

url ='https://you.163.com/xhr/comment/listByItemByTag.json'

try:

C_list = []

foriinrange(1,100):

query = {

"itemId": product_id,

"page": i,

}

res = requests.get(url, params=query).json()

ifnotres['data']['commentList']:

break

print("爬取第 %s 页评论"% i)

commentList = res['data']['commentList']

C_list.append(commentList)

time.sleep(1)

# save to mongoDB

try:

mongo_collection.insert_many(commentList)

except:

continue

returnC_list

except:

raise