本次python实战，主要目标是利用 Python爬取京东商品评论数，如上图所示：爬取“Python之父”推荐的小蓝书，这些信息主要包括用户名、书名、评论等信息。
爬取的网址url是 https://item.jd.com/12531181.html ，爬取后的结果会保存在csv文件里面，便于数据分析。
01
如何准备爬虫环境？
其实不难
环境：MAC + Python3.6 ; IDE：Pycharm. 具体使用的模块如下。
-
import requests
-
import re
-
import json
但是如果你的系统上安装了anaconda，模块requests已经安装完成，但是 pycharm软件不能识别。
此时，需要使用preferences直接进行安装，入下图所示，点击+，直接安装即可。
02
爬虫分析真的很重要
准备工作
我们的目标是爬取京东的《零基础轻松学PYTHON》评论数，打开网页发现评论的页数很多。
也就是说我们需要解析多个页面。因此，我们想到使用一个for循环来实现。
那么该如何找到评论的网址呢？首先，打开浏览器，比如chrome，然后右键选择检查，调出来网页源代码，如下图：
然后，点击Network选项卡，并且把左边的网页翻滚到评论数，最后搜索COMMEN。如下图：你会发现红框里面的URL。该网址就是我们爬取的网址。
具体的网址是 https://sclub.jd.com/comment/productPageComments.action?callback=fetchJSON_comment98vv36&productId=12531181&score=0&sortType=5&page=0&pageSize=10&isShadowSku=0&fold=1。通过观察，我们发现page=0,pagesize=10等信息。
并且当你点击下一页时，您会发现page=2，而网址中的其他信息没有变化，如图所示：
因此，我们构造循环即可实现对多个网页的爬取，比如100个网页，代码如下：
if __name__ == '__main__':
# 循环100次
for i in range(101):
main(start=i)
03
真正开始爬取评论数
两步走
根据以前爬虫文章(爬虫实战)的解析 ，我们分2步爬取本次任务。第一步是解析网页；第二步是爬取评论数并且保存文件。
为了方便代码可复用性和简洁，我们把两步写入两个函数里，分别是begain_scraping()和python_coments()，代码如下:
def main(start):
"""
开始爬取
:return:
"""
# 第一步解析网页
comments_jd = begain_scraping(start)
# 第二步 爬取评论并保存文件
python_comments(comments_jd)
04
开始解析网页
第一步
解析网页，也就是编写begain_scraping()，代码如下：
首先，根据爬取的网址（https://sclub.jd.com/comment/productPageComments.action?callback=fetchJSON_comment98vv36&productId=12531181&score=0&sortType=5&page=0&pageSize=10&isShadowSku=0&fold=1，我们得到下面信息：
# 构造商品地址
url_jd = 'https://sclub.jd.com/comment/productPageComments.action?callback'
# 网页信息
vari_p = {
# 商品ID
'productId': 12531181, # 换成你想爬取的ID就可以了
'score': 0,
'sortType': 5,
# 爬取页面
'page': page,
'pageSize': 10,
}
为了防止反爬虫，我们构造一个伪装浏览器，然后开始爬取，代码如下：
# 防止反爬虫，不需要更换
headers = {
'cookie': 'shshshfpaJsAhpiXZzNtbFCHZXchb60B240F81702FF',
'referer': 'https://item.jd.com/11993134.html',
'user-agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.102 Safari/537.36'
}
comment_jd = requests.get(url=url_jd, params=vari_p, headers=headers)
05
开始爬取评论数并保存
第二步
开始爬取评论数并保存，也就是实现函数python_comment。本函数主要是对爬取的网页解析，然后保存在CSV文件。这也是模块化编程，逻辑清晰 ，代码简洁高效。具体代码如下：
def python_comments(comment_resp):
"""
爬取数据并且写入评论
:param comment_resp:
:return:
"""
comment_js = comment_resp.text
comment_dict = json.loads(comment_js)
comments_jd = comment_dict['comments']
for comment in comments_jd:
user = comment['nickname']
color = comment['productColor']
comment_python = comment['content']
# 写入文件
with open('comments_jd.csv', 'a', newline='')as csv_file:
rows = (user, color, comment_python)
writer = csv.writer(csv_file)
writer.writerow(rows)
06
爬取结果展示
效果
首先，在pycharm软件控制台 ，您可以看到爬取页面信息，如下：
另外，您会在项目下面， 多了一个CSV文件，就是我们保存的文件。打开看一下效果吧：