python爬取腾讯课堂优质编程课程

基本开发环境

·Python 3.6

·Pycharm

相关模块使用

import requests
import jieba
import time
import wordcloud

目标网页分析

爬取青灯教育免费公开课的课程评价

网站地址

https://ke.qq.com/course/384363?taid=10654594091048299&tuin=8aa5eb27

如何获取课程评价？

打开开发者工具（F12或者鼠标右键检查），复制评价，在开发者工具当中进行搜索。

这条数据有十条评价，一页评价也是10条评论，所以只需要请求这个链接，再通过json数据，字典取值的方式提取评价内容即可

·如何实现多页爬取

第一页数据接口参数：

 第二页数据接口参数：

通过对比可得：page参数的变化，对应的是页码数。构建for循环即可实现多页爬取效果

爬虫实现代码

注意点：

headers参数需要添加referer防盗链，不然获取不到数据

import time
import requests

for page in range(0, 23):
    time.sleep(1)
    url = 'https://ke.qq.com/cgi-bin/comment_new/course_comment_list'

    headers = {
        'referer': 'https://ke.qq.com/course/384363?taid=10654585501113707&tuin=8aa5eb27',
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'
    }
    params = {
        'cid': '384363',
        'count': '10',
        'page': page,
        'filter_rating': '0',
        'bkn': '1905043087',
        'r': '0.30477140651006174',
    }

    response = requests.get(url=url, params=params, headers=headers)
    html_data = response.json()

    result = html_data['result']['items']
    for i in result:
        comment = i['first_comment']
        with open('评价.txt', mode='a', encoding='utf-8') as f:
            f.write(comment)
            f.write('
')
            print(comment)

词云实现代码：

import jieba
import wordcloud

# 读取文件内容
f = open(r'D:pythondemo腾讯课堂评价评价.txt', encoding='utf-8')
txt = f.read()

# jieba 分词 分割词汇
txt_list = jieba.lcut(txt)
string = ' '.join(txt_list)
# 词云图设置
wc = wordcloud.WordCloud(
        width=1000,         # 图片的宽
        height=700,         # 图片的高
        background_color='white',   # 图片背景颜色
        font_path='msyh.ttc',    # 词云字体
        # mask=py,     # 所使用的词云图片
        scale=15,
        stopwords={'老师'},       # 停用词
        # contour_width=5,
        # contour_color='red'  # 轮廓颜色
)
# 给词云输入文字
wc.generate(string)
# 词云图保存图片地址
wc.to_file(r'D:pythondemo腾讯课堂评价out.png')