Scrapy爬取京东某书评论

作者：国服帅座  经济学在读硕士

公众号：统计之家

无论是爬取静态网页，还是利用高德地图API获得数据，本文作者都偏好使用requests模块。在本文中，本人爬取京东书评，运用的是Scrapy框架。

观察页面结构

首先，在京东上搜索某书，以丘祐玮老师的《数据科学：R语言实现》为例，该书评价页面仅有2页，共计14条评论。

其次，在Chrome中右击“检查”，点击“Network“下的”JS”，寻找到“productPageComments”。

然后，双击该链接，观察页面发现，这是JSON字符串，在转化为 Python 字典前，需要先把大括号外面的多余字符串去除。

爬取京东书评

在命令提示符中输入以下代码，先创建一个目录（jingdong），然后进入该目录，在该目录的spiders目录中生成爬虫文件（pinglun.py）。

打开pinglun.py文件，输入以下代码：

# -*- coding: utf-8 -*- 

import scrapy
import json

class PinglunSpider(scrapy.Spider):
    name = 'pinglun'
    allowed_domains = ['web']
    start_urls = ['https://sclub.jd.com/comment/productPageComments.action?callback=fetchJSON_comment98vv27
&productId=12088321&score=0&sortType=5&page={}&pageSize=10&isShadowSku=0&fold=1'.format(i) for i in range(0,2)] 

# 上步在page参数位置使用for循环，取值与评论页数有关  



    def parse(self, response):
        jd = json.loads(response.text.lstrip('fetchJSON_comment98vv27(').rstrip(');'))
        pinglun = jd['comments']  # 上步将JSON字符串转化为Python字典格式 

        for i in pinglun:
            results = {}
            results['content'] = i['content']       # 评论内容  

            results['time']    = i['creationTime']  # 评论时间 

            print (results)

接着，在命令提示符中输入以下命令：

获得结果如下，合计14条评论。

往期精彩传送

爬虫三步走——以R语言爬取经纬度为例

Python调用高德地图API爬取经纬度

Python调用百度地图API爬取经纬度

听说过高德版本的天气预报么

Python双Y轴可视化

这是一份【洗浴推拿指南】，敬请查收！

您是否知道，回家的路究竟有多长？

大年初六中午，全国各区县哪里最冷？

本文由国服帅座 创作，采用 知识共享署名-相同方式共享 3.0 中国大陆许可协议 进行许可。

转载、引用前需联系作者，并署名作者且注明文章出处。

本站文章版权归原作者及原出处所有 。内容为作者个人观点， 并不代表本站赞同其观点和对其真实性负责。本站是一个个人学习交流的平台，并不用于任何商业目的，如果有任何问题，请及时联系我们，我们将根据著作权人的要求，立即更正或者删除有关内容。本站拥有对此声明的最终解释权。