Python — 爬取饿了么外卖店信息

本文介绍了一个简单的数据爬虫项目,目标是从饿了么网站抓取外卖店铺的详细信息,包括名称、月销售量、配送费等,并将数据存储到CSV文件中。代码使用Python的requests和csv库实现,适用于初学者了解数据抓取和处理的基本流程。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

在学数据可视化,缺少点数据进行实操,就想着从饿了么上面爬点外卖店信息。

主要是获取数据,所以代码比较简陋,直接上代码:

import requests
import json
import csv

def crawler_ele(page=0):
	
	def get_page(page):
		url = 'https://h5.ele.me/restapi/shopping/v3/restaurants?latitude=xxxx&longitude=xxxx&offset={page}&limit=8&terminal=h5'.format(page=page*8)

		headers = {
	  	  "user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.80 Safari/537.36",
	   	 'cookie': r'xxxx'
		}
		re = json.loads(requests.get(url,headers=headers).text)
		return re

	re = get_page(page)

	if re.get('items'):
		
		with open('data.csv','a',newline='') as f:
			writer = csv.DictWriter(f,fieldnames=['名称', '月销售量','配送费', '起送价', '风味','评分', '配送时长', '评分统计', '距离', '地址'])
			writer.writeheader()
			for item in re.get('items'):
				info = dict()
				restaurant = item.get('restaurant')
				info['地址'] = restaurant.get('address')
				info['配送费'] = restaurant.get('float_delivery_fee')
				info['名称'] = restaurant.get('name')
				info['配送时长'] = restaurant.get('order_lead_time')
				info['距离'] = restaurant.get('distance')
				info['起送价'] = restaurant.get('float_minimum_order_amount')
				info['评分'] = restaurant.get('rating')
				info['月销售量'] = restaurant.get('recent_order_num')
				info['评分统计'] = restaurant.get('rating_count')
				info['风味'] = restaurant.get('flavors')[0].get('name')
				writer.writerow(info) 
			# print(info)
	if re.get('has_next') == True:
		
		crawler_page(page+1)


crawler_ele(0)

在这里简单注释几句:

  • url 中的经纬度去掉了,可以自行查询添加需要爬取地点的经纬度,也可以通过调用地图api获取经纬度;
  • headers 需要加 Cookies ,不然会有登录权限限制爬取页数;
  • 最后调用的是递归不是循环,所以保存结果的 csv 文件里面会有多个重复表头,可以用 Excel 打开删除重复值就可以了。

ps:开得最多卖的最好的还是快餐店。。。

爬虫(Web Crawler)是一种自动化程序,用于从互联网上收集信息。其主要功能是访问网页、提取数据并存储,以便后续分析或展示。爬虫通常由搜索引擎、数据挖掘工具、监测系统等应用于网络数据抓取的场景。 爬虫的工作流程包括以下几个关键步骤: URL收集: 爬虫从一个或多个初始URL开始,递归或迭代地发现新的URL,构建一个URL队列。这些URL可以通过链接分析、站点地图、搜索引擎等方式获取。 请求网页: 爬虫使用HTTP或其他协议向目标URL发起请求,获取网页的HTML内容。这通常通过HTTP请求库实现,如Python中的Requests库。 解析内容: 爬虫对获取的HTML进行解析,提取有用的信息。常用的解析工具有正则表达式、XPath、Beautiful Soup等。这些工具帮助爬虫定位和提取目标数据,如文本、图片、链接等。 数据存储: 爬虫将提取的数据存储到数据库、文件或其他存储介质中,以备后续分析或展示。常用的存储形式包括关系型数据库、NoSQL数据库、JSON文件等。 遵守规则: 为避免对网站造成过大负担或触发反爬虫机制,爬虫需要遵守网站的robots.txt协议,限制访问频率和深度,并模拟人类访问行为,如设置User-Agent。 反爬虫应对: 由于爬虫的存在,一些网站采取了反爬虫措施,如验证码、IP封锁等。爬虫工程师需要设计相应的策略来应对这些挑战。 爬虫在各个领域都有广泛的应用,包括搜索引擎索引、数据挖掘、价格监测、新闻聚合等。然而,使用爬虫需要遵守法律和伦理规范,尊重网站的使用政策,并确保对被访问网站的服务器负责。
评论 6
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值