Python爬取京東商品評論

        京東商城的頁面不是靜態頁面，其評論信息存放於json文件中，由ajax控制，所以我們在瀏覽器上看到的網頁源代碼和用Python爬下來的是不一樣的，所以我們真正要爬取的是評論數據所存放的json文件。

        首先打開一個京東商品的評論頁面，按F12。然後點擊network之後再刷新一次頁面，會顯示如下信息。

        在所有的json文件中找到那個存放評論的文件：

        觀察其URL，其中有一個參數是page=0，大概這個參數表示第幾頁評論，那麼我們就可以通過修改page參數來獲取其他所有頁的評論，分析完之後開始編寫程序。

        首先創造Request對象，然後使用urlopen函數將該文件爬取下來，通過Python中的json庫來解析改文件，最後保存到文件中。代碼如下：

import urllib.request
import json
import time
import xlwt

#======》爬取評論信息《=======#

end_page = int(input('請輸入爬取的結束頁碼:'))
for i in range(0,end_page+1):
    print('第%s頁開始爬取------'%(i+1))
    url = 'https://club.jd.com/comment/productPageComments.action?callback=fetchJSON_comment98&productId=100004770259&score=0&sortType=5&page={}&pageSize=10&isShadowSku=0&fold=1 '
    url = url.format(i)
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.100 Safari/537.36',
        'Referer': 'https://item.jd.com/100004770259.html'
    }

    request = urllib.request.Request(url=url,headers=headers)
    content = urllib.request.urlopen(request).read().decode('gbk')
    content = content.strip('fetchJSON_comment98vv385();')
    obj = json.loads(content)
    comments = obj['comments']
    fp = open('京東.txt','a',encoding='utf8')
    for comment in comments:
        #評論時間
        creationTime = comment['creationTime']
        #評論人
        nickname = comment['nickname']
        #評論內容
        contents = comment['content']
        item = {
            '評論時間': creationTime,
            '用戶': nickname,
            '評論內容': contents,
        }
        string = str(item)
        fp.write(string + '\n')
    print('第%s頁完成----------'%(i+1))
    time.sleep(4)
    fp.close()

 

更新

        這個程序比較低效，在新的博客中我實現了一個功能更加強大的程序：Python爬取京東商品評論（二）、Python爬取京東商品評論（三）