美团数城商铺榜

美团数据抓取与分析
# -*- coding:utf-8 -*-
# 仅需修改这个地方https://jn.lianjia.com/ershoufang/pg{}rs/   将jn换成你所在城市的拼写首字母小写
import requests
from lxml import etree
import time
import random
import csv
import requests
import json


class LianjiaSpider(object):
    def __init__(self):
        self.url = "https://mobilenext-web.meituan.com/api/newSalesBoard/getSaleBoardDetail?cityId={}&boardType=8&districtId=0&cateId=1&offset=0&limit=50"

        self.headers = {
            "User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/535.1 (KHTML, like Gecko) Chrome/14.0.835.163 Safari/535.1"}

    def get_page(self, url):
        res = requests.get(url=url, headers=self.headers)
        res.encoding = "utf-8"
        html = res.text
        # print(html)

        #  results_temp = html.replace('{"totalSize":50,"saleBoardDealList":', "").replace("}}]}", "")
        # results = results_temp + "}}]"
        #  print(results)

        self.parse_page(html)

    # print(html)
    # print(i)
    def parse_page(self, html):
        results = html[35:-20]
        print(results)
        for list in json.loads(results):
            # print(list)
            id = list["id"]
            name = list["name"]
            weekSaleCount = list["weekSaleCount"]
            score = list["score"]
            avgPrice = list["avgPrice"]
            cateName = list["cateName"]
            areaName = list["areaName"]
            distance = list["distance"]
            rank = list["rank"]
            frontImg = list["frontImg"]
            oneSentence = list["oneSentence"]
            # SaleBoardPoiGroup = list["SaleBoardPoiGroup"]
            #  saleBoardPoiCoupon = list["saleBoardPoiCoupon"]
            #   saleBoardPoiPay = list["saleBoardPoiPay"]
            # banchList = list["banchList"]
            with open('meituan.csv', 'a', newline='', encoding='utf-8')as f:
                write = csv.writer(f)
                # write.writerow([id,name,weekSaleCount,score,avgPrice,cateName,areaName,distance,rank,frontImg,oneSentence,SaleBoardPoiGroup,saleBoardPoiCoupon,saleBoardPoiPay,banchList])
                write.writerow([id, name, weekSaleCount, score, avgPrice, cateName, areaName, distance, rank, frontImg,
                                oneSentence])

                f.close()

    def main(self):
        for i in range(88, 99):
            time.sleep(random.randint(3, 5))
            url = self.url.format(i)
            #  print(url)
            self.get_page(url)
        # print(j)


if __name__ == '__main__':
    start = time.time()
    spider = LianjiaSpider()
    spider.main()
    end = time.time()
    print("执行时间:%.2f" % (end - start))
### 使用Python爬虫抓取美团店铺评论据 为了有效抓取美团店铺评论据,需构建一个完整的流程,包括环境搭建、请求发送、页面解析以及反爬虫机制处理。 #### 环境准备 首先,确保安装必要的库。`requests`用于发起HTTP请求;`lxml`或`BeautifulSoup`负责HTML文档解析;对于更复杂的情况,可能需要用到Selenium模拟浏览器操作[^2]。 ```bash pip install requests lxml beautifulsoup4 selenium ``` #### 发送请求并获取响应 通过分析URL结构发现,美团API接口通常带有参如shop_id等标识具体商铺的信息。因此,在编写代码前要先确定目标商店ID。接着设置headers模仿真实浏览器访问,减少被识别为机器人风险: ```python import requests url = 'https://www.meituan.com/meishi/api/poi/getMerchantComment?' params = { 'uuid': 'your_uuid', 'platform': '1', 'partner': '12671', 'originUrl': f'https://meituan.com/shop/{shop_id}', 'riskLevel': '1', 'optimusCode': '1', 'userId': '', 'offset': '0', 'pageSize': '10', 'sortType': '1', } headers = {'User-Agent': 'Mozilla/5.0'} response = requests.get(url=url, params=params, headers=headers).json() comments = response['data']['comments'] ``` 此处需要注意的是,部分字段像`uuid`可能是动态变化的,这取决于网站的具体情况,有时还需要登录态的支持才能正常返回据。 #### 解析JSON格式的据 由于返回的结果是以JSON形式存在的,可以直接调用`.json()`方法将其转换成字典对象方便后续处理。每条评论包含评分、时间戳、正文等多个属性,可以根据需求提取所需的部分保存下来或者立即进行加工展示。 #### 应对反爬措施 随着各大平台安全策略日益严格,单纯依靠简单的GET请求往往难以奏效。此时可考虑引入代理池轮询更换IP地址规避频率限制;另外还可以尝试调整请求间隔避免触发风控系统检测[^1]。 #### 据持久化 最后一步就是把收集到的内容妥善存入文件系统或是据库里以便日后查询统计之用。这里简单演示一下如何将所有记录追加至CSV表格中去[^4]: ```python import csv with open('meituan_comments.csv', mode='a+', newline='', encoding='utf8') as file: writer = csv.writer(file) for comment in comments: row = [ comment['userName'], comment['score'], comment['commentTime'], comment['content'].replace('\n', '') ] writer.writerow(row) ``` 以上便是整个过程的大致描述,当然实际开发过程中还会遇到各种意想不到的问题等待解决,比如验证码验证、JavaScript渲染等问题都需要额外研究对应的解决方案[^3]。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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