午餐不知道吃什么？用 Python 爬美团App评论选餐！-优快云博客

点击“开发者技术前线”，选择“星标?”

13：21 在看|星标|留言, 真爱

640?wx_fmt=jpeg

作者：想的美

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）

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

640?wx_fmt=png

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

#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.py MONGO_URL='localhost' MONGO_DB='meituan' MONGO_TABLE='meituan'

import requests from requests.exceptions import RequestException import json import re from 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 None def 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 Total 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) 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()