1.分析美團美食網頁的url引數構成
1）搜索要點
美團美食，地址：北京，搜索關鍵詞：火鍋
2）爬取的url
https://bj.meituan.com/s/%E7%81%AB%E9%94%85/
3）說明
url會有自動編碼中文功能，所以火鍋二字指的就是這一串我們不認識的代碼%E7%81%AB%E9%94%85，
通過關鍵詞城市的url構造，決議當前url中的bj=北京，/s/后面跟搜索關鍵詞，
這樣我們就可以了解到當前url的構造，
2.分析頁面資料來源(F12開發者工具)
開啟F12開發者工具，并且重繪當前頁面：可以看到切換到第二頁時候，我們的url沒有變化，網站也沒有自動進行重繪跳轉操作，(web中ajax技術就是在保證頁面不重繪，url不變化情況下進行資料加載的技術)
此時我們需要在開發者工具中，找到xhr里面對應當前資料的相應檔案，
分析到這里可以得知：我們的資料是以json格式互動，分析第二頁的json檔案請求地址與第三頁json檔案的請求地址，
第二頁：https://apimobile.meituan.com/group/v4/poi/pcsearch/1?uuid=xxx&userid=-1&limit=32&offset=32&cateId=-1&q=%E7%81%AB%E9%94%85
第三頁：https://apimobile.meituan.com/group/v4/poi/pcsearch/1?uuid=xxx&userid=-1&limit=32&offset=64&cateId=-1&q=%E7%81%AB%E9%94%85
對比發現：offse引數每次翻頁增加32，并且limit引數是一次請求的資料量，offse是資料請求的開始元素，q是搜索關鍵詞poi/pcsearch/1？其中的1是北京城市的id編號，
3.構造請求抓取美團美食資料
接下來直接構造請求，回圈訪問每一頁的資料，最終代碼如下，
import requests
import re
def start():
for w in range(0, 1600, 32):
#頁碼根據實際情況x32即可，我這里是設定50頁為上限，為了避免設定頁碼過高或者資料過少情況，定義最大上限為1600-也就是50頁，使用try-except來檢測時候例外，例外跳過該頁，一般作為無資料跳過該頁處理
try:
# 注意uuid后面引數空余將uuid后xxx替換為自己的uuid引數
url = 'https://apimobile.meituan.com/group/v4/poi/pcsearch/1?uuid=xxx&userid=-1&limit=32&offset='+str(w)+'&cateId=-1&q=%E7%81%AB%E9%94%85'
#headers的資料可以在F12開發者工具下面的requests_headers中查看，需要實作選擇如下headers資訊
#必要情況 請求頻繁 建議增加cookie引數在headers內
headers = {
'Accept': '*/*',
'Accept-Encoding': 'gzip, deflate, br',
'Accept-Language': 'zh-CN,zh;q=0.9',
'Connection': 'keep-alive',
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.25 Safari/537.36 Core/1.70.3741.400 QQBrowser/10.5.3863.400',
'Host': 'apimobile.meituan.com',
'Origin': 'https://bj.meituan.com',
'Referer': 'https://bj.meituan.com/s/%E7%81%AB%E9%94%85/'
}
response = requests.get(url, headers=headers)
#正則獲取當前回應內容中的資料，因json方法無法針對店鋪特有的title鍵值進行獲取沒所以采用正則
titles = re.findall('","title":"(.*?)","address":"', response.text)
addresses = re.findall(',"address":"(.*?)",', response.text)
avgprices = re.findall(',"avgprice":(.*?),', response.text)
avgscores = re.findall(',"avgscore":(.*?),',response.text)
comments = re.findall(',"comments":(.*?),',response.text)
#輸出當前回傳資料的長度 是否為32
print(len(titles), len(addresses), len(avgprices), len(avgscores), len(comments))
for o in range(len(titles)):
#回圈遍歷每一個值 寫入檔案中
title = titles[o]
address = addresses[o]
avgprice = avgprices[o]
avgscore = avgscores[o]
comment = comments[o]
#寫入本地檔案
file_data(title, address, avgprice, avgscore, comment)
#檔案寫入方法
def file_data(title, address, avgprice, avgscore, comment):
data = https://www.cnblogs.com/wxys/p/{'店鋪名稱': title,
'店鋪地址': address,
'平均消費價格': avgprice,
'店鋪評分': avgscore,
'評價人數': comment
}
with open('美團美食.txt', 'a', encoding='utf-8')as fb:
fb.write(json.dumps(data, ensure_ascii=False) + '\n')
#ensure_ascii=False必須加因為json.dumps方法不關閉轉碼會導致出現亂碼情況
if __name__ == '__main__':
start()
運行結果如下：
本地檔案：
4.總結
根據搜索詞變化，城市變化，可以改變url中指定的引數來實作，同時也要記得變更headers中的指定引數，方法簡單，多加練習即可熟悉ajax型別的資料抓取，
以上就是Python爬蟲實體——爬取美團美食資料的詳細內容
想要源代碼或者想了解更多內容點擊這里獲取
此文轉載文，著作權歸作者所有，如有侵權聯系小編洗掉！
原文地址：https://www.zhangshengrong.com/p/8AaYmGYRa2/
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/157692.html
標籤：Python