python实现食品推荐_通过Python语言实现美团美食商家数据抓取
首先,我们先来打开美团美食商家页面,来分析一下。
如上面所提供的URL即为美团美食商家页面。或者我们通过美团官网打开一个美团美食商家页面,打开步骤如下:1、打开浏览器,输入 即可打开美团北京首页
2、鼠标滑动到美食标签上,点击更多,即可打开美团美食商家列表页,注意是列表页
3、在列表页中随便点击一家商家即可打开美团美食商家页面。
如我现在打开的 北京全聚德(朝阳北路店),打开这个页面之后,我们要抓取哪些数据呢?
主要分为三部分:1、美团美食商家基本信息
2、美团美食商家推荐菜
3、美团美食商家评论信息
可能有的小伙伴有这样的疑问或需求,我们可不可以抓取美团美食商家的团购信息呢?
是可以的,只不过麻烦一些,需要我们登录,并且不仅仅是登录这一个技术难点,我们还需要搭建cookies池,用于随机使用登录信息获取商家团购及优惠信息,否则一直使用一个cookies信息获取时会被美团发现,从而封掉我们的登录信息,造成我们无法抓取。
商家团购及优惠信息的抓取,以及搭建cookies池,我们将会在下次技术分享中给大家讲解。本次,我们先解决美团美食商家信息数据的抓取。
首先我们来分析一下美团美食商家页面请求信息,打开浏览器的开发者模式(打开浏览器后按键盘上的f12即可打开浏览器的开发者模式),勾选network标签下的preserve.log(防止新的请求会覆盖老的请求),刷新美团美食商家页面即可抓取到本页数据包。
根据数据包的抓取结果,我们可以分析出:1、该请求为GET请求
2、该请求不携带任何cookies信息
3、请求的URL为https://www.meituan.com/meishi/1381636/
接下来,我们就可以编辑代码来获取美团美食商家信息了。import requests
import re
import json
class Meituanbusiness(object):
"""
处理美团商家详情页
https://www.meituan.com/meishi/6484620/
"""
def __init__(self):
#MAC下的UA可用。。。
self.header = {
# "User-Agent":"Mozilla/5.0 (Windows NT 6.3; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.131 Safari/537.36"
'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.77 Safari/537.36',
}
def handle_detail(self,business_id):
business_id = business_id
self.business_detail_url = "https://www.meituan.com/meishi/%s/"%business_id
response = requests.get(url=self.business_detail_url,headers=self.header)
#提取数据区域
data = re.search(r'12315消费争议(.*?)"dealList":', response.text, flags=re.DOTALL)
if data:
# 细节信息
detail_info = re.search(r'"detailInfo":\{"poiId":(\d+),"name":"(.*?)","avgScore":(.*?),"address":"(.*?)","phone":"(.*?)","openTime":"(.*?)","extraInfos":\[(.*?)\],"hasFoodSafeInfo":(.*?),"longitude":(.*?),"latitude":(.*?),"avgPrice":(\d+),"brandId":(\d+),"brandName":"(.*?)",".*?photos":{"frontImgUrl":"(.*?)","albumImgUrls":(.*?)},"recommended":(.*?),"crumbNav":(.*?),"prefer',data.group(1))
if detail_info:
info = {}
# 商家ID
info['poiId'] = detail_info.group(1)
# 商家名称
info['name'] = detail_info.group(2)
#商家评分
info['avgScore'] = detail_info.group(3)
#商家地址
info['address'] = detail_info.group(4)
#电话
info['phone'] = detail_info.group(5)
#营业时间
info['openTime'] = detail_info.group(6)
#是否有食品安全档案
info['hasFoodSafeInfo'] = detail_info.group(8)
#经纬度
info['longitude'] = detail_info.group(9)
info['latitude'] = detail_info.group(10)
#均价
info['avgPrice'] = detail_info.group(11)
# 品牌ID
info['brandId'] = detail_info.group(12)
# 品牌名称
info['brandName'] = detail_info.group(13)
#商家图片
info['frontImgUrl'] = detail_info.group(14)
#宣传图片
info['albumImgUrls'] = detail_info.group(15)
# 其他信息解析,wifi,停车位
extraInfos = detail_info.group(7)
if extraInfos:
items = json.loads("[" + extraInfos + "]")
extraInfos = ''
for item in items:
extraInfos = item.get('text') + ',' + extraInfos
info['extraInfos'] = extraInfos[0:-2]
# 推荐菜
info['recommended'] = json.loads(detail_info.group(16))
if __name__ == '__main__':
meituan_business_detail = Meituanbusiness()
meituan_business_detail.handle_detail("6484620")
我们可以运行一下,我们的程序代码,来看看当前数据的获取情况,仅展示一部分:
这样呢,我们就可以获取到美团美食商家的信息了,接下来,我们来抓取美团美食商家的评论信息。
首先第一步,还是需要我们来分析请求信息,也就是从众多请求中,找出哪个请求是评论信息的请求,我们可以在异步请求中找到这个请求信息,怎么查找异步请求呢。1、在网络标签中,切换到XHR
2、在众多异步请求中找到评论信息的请求包
我们可以来分析一下这个异步请求,看看他需要哪些信息https://www.meituan.com/meishi/api/poi/getMerchantComment?uuid=4c075f52-c8ba-4116-b02d-5015c4ade7e5&platform=1&partner=126&originUrl=https://www.meituan.com/meishi/1467844/&riskLevel=1&optimusCode=10&id=1467844&userId=&offset=30&pageSize=10&sortType=1
分析如下:1、 请求接口
2、 uuid 设备信息,我们可以从上一步获取商家信息中获取到
3、platform=1&partner=126 平台信息等,保持默认
4、 当前访问页面
5、 offset=30 偏移量,也是页码信息
其他保持默认
经过如上分析之后,我们就可以抓取到评论信息了,代码如下:import requests
import re
import time
class MeituanBusinessComment(object):
def __init__(self):
self.index_url = "https://www.meituan.com/meishi/1467844/"
self.header = {
# "User-Agent":"Mozilla/5.0 (Windows NT 6.3; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.131 Safari/537.36"
'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.77 Safari/537.36',
}
def handle_uuid(self):
uuid_search = re.compile(r"uuid=(.*?);")
uuid_response = requests.get(url=self.index_url,headers=self.header)
self.uuid = uuid_search.search(uuid_response.headers['Set-Cookie']).group(1)
def handle_comment(self):
self.handle_uuid()
"""
https://www.meituan.com/meishi/api/poi/getMerchantComment?uuid=4c075f52-c8ba-4116-b02d-5015c4ade7e5&platform=1&partner=126&originUrl=https://www.meituan.com/meishi/1467844/&riskLevel=1&optimusCode=10&id=1467844&userId=&offset=30&pageSize=10&sortType=1
"""
for page in (0,110,10):
comment_url = "https://www.meituan.com/meishi/api/poi/getMerchantComment?uuid=%s&platform=1&partner=126&originUrl=https://www.meituan.com/meishi/1467844/&riskLevel=1&optimusCode=10&id=1467844&userId=&offset=%s&pageSize=10&sortType=1"%(self.uuid,page)
response = requests.get(url=comment_url,headers=self.header)
print(response.text)
time.sleep(1)
meituan_comment = MeituanBusinessComment()
meituan_comment.handle_comment()
我们来看一下评论的抓取结果
到此为止,我们已经抓取到了这个商家的所有信息了,包括商家信息,推荐菜信息,评论信息。
那有的同学说,现在可以解析一家的商家信息了,美团上有那么多商家信息,如何才能抓取得到呢,这里呢,给大家提供思路,我们打开美团美食之后,是不是可以进入美团美食的列表页啊,那么在列表页中就可以获取到所有的商家ID,也就是我们当前的代码只需要改一下商家ID,就可以获取其他商家的信息了。import requests
import json
import re
class MeituanBusinessPage(object):
"""
解析美团美食页码页
"""
def __init__(self):
self.index_url = "https://bj.meituan.com/meishi/pn1/"
self.header = {
'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.77 Safari/537.36',
}
def handle_page(self):
"""
处理页码页
:return:
"""
data_search = re.compile(r'"poiInfos":(.*?)},"comHeader"')
for page in range(1,11):
# 构造页码页
page_url = "http://bj.meituan.com/meishi/sales/pn%s/"%page
page_response = requests.get(url=page_url,headers=self.header)
data = data_search.search(page_response.text).group(1)
for item in json.loads(data):
print(item['poiId'])
if __name__ == '__main__':
meituan_business_page = MeituanBusinessPage()
meituan_business_page.handle_page()
有同学说可不可以使用scrapy框架抓取呢,当然是可以的。
这里呢给大家提供了使用scrapy框架抓取美团美食商家信息代码:
可能有小伙伴对scrapy框架不是很了解,那么这里呢提供给大家一套免费的学习scrapy框架的课程
《Python最火爬虫框架Scrapy入门与实践》
https://www.imooc.com/learn/1017
那还有的小伙伴呢,对python爬虫一点都不了解,也没有关系,我在慕课网上出了一套《入门主流框架Scrapy与爬虫项目实战》,课程地址:https://www.imooc.com/learn/1017 可以更加系统的,从基础开始学习爬虫技术,这套课程包括linux系统管理,Python网络编程,初探网络爬虫,高级爬虫与实战。由浅入深,由点到面的讲解了爬虫技术。
那么大家都知道,在抓取web网页信息的时候,我们可以采用selenium调用浏览器来渲染动态页面,从而实现数据的抓取,那么同样的,我们也可以实现通过appium调用安卓系统来抓取app数据:
《Python爬虫工程师必学——App数据抓取实战》,课程地址:https://coding.imooc.com/class/283.html 通过appium实现控制安卓系统中的app,从而实现模拟点击,滑动等操作,通过mitmdump等抓包工具实现数据的解析。
这套课程已经上线一段时间了,近期大壮老师会对该课程进行升级,通过抓取到的数据,如抖音个人信息数据等实现数据的可视化。
python实现食品推荐_通过Python语言实现美团美食商家数据抓取相关推荐
- python实现食品推荐_用Python爬取点评数据,推荐火锅店里最受欢迎的食品
前言 文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理. 首先笔者定位为成都,美食类型选的"火锅",火锅具体类型选 ...
- net.conn read 判断数据读取完毕_单方验方|如何应对千万级工商数据抓取(一)
最近主要在处理有关企业信用的工商数据库,朋友列出的名单在200万家上下,字段共有13个维度,数据规模粗略计算好几千万了.起初自己懵懵懂懂的爬了200万,经过不断调试改进,发现大规模抓取数据门门道道还真 ...
- python财务报表预测股票价格_机器学习股票价格预测从爬虫到预测-数据爬取部分...
声明:本文已授权公众号「AI极客研修站」独家发布 前言 各位朋友大家好,小之今天又来给大家带来一些干货了.上篇文章机器学习股票价格预测初级实战是我在刚接触量化交易那会,因为苦于找不到数据源,所以找的一 ...
- R语言实现简单的网页数据抓取
在知乎遇到这样一个问题. https://www.zhihu.com/question/26385408/answer/147009602 这是要爬取的内容的网页: R语言的代码的实现方式如下: #安 ...
- R语言网络数据抓取的又一个难题,终于攻破了!
本文作者:杜雨,EasyCharts团队成员,R语言中文社区专栏作者. 兴趣方向:Excel商务图表,R语言数据可视化,地理信息数据可视化. 个人公众号:数据小魔方(微信ID:datamofang) ...
- python与数据分析结合_将Python和R整合进一个数据分析流程
原标题:将Python和R整合进一个数据分析流程 在Python中调用R或在R中调用Python,为什么是"和"而不是"或"? 在互联网中,关于"R ...
- python要学哪些_学python都要学哪些内容?
如果培训都是分五个阶段,第一阶段学习Python核心编程,主要是Python语言基础.Linux.MySQL,前期学习Python编程语言基础内容;中期主要涉及OOP基础知识,学习后应该能自己处理OO ...
- python教程怎么抓起数据_介绍python 数据抓取三种方法
三种数据抓取的方法正则表达式(re库) BeautifulSoup(bs4) lxml *利用之前构建的下载网页函数,获取目标网页的html,我们以https://guojiadiqu.bmcx.co ...
- python简单网络爬虫_【Python】简单的网络爬虫
完整代码 # encoding:UTF-8 # from bs4 import BeautifulSoup import urlparse import urllib2 import re impor ...
最新文章
- Java 注册SIGINT信号,处理CTRL+C
- SAP UI5里一个包含众多操作的OData请求url实例
- mysql mysar_使用mysar分析squid日志(日志存mysql)
- 从JVM的角度看JAVA代码1
- 迅游科技上演“宫斗” 董事长总裁互相罢免
- 16个常用的Linux服务器监控命令
- 今日头条反省整改;微信QQ封杀短视频;雷军10亿赌约将见分晓| CSDN极客头条
- 求1+2+3+...+n,要求不能使用乘除法、for、while、if、else、switch、case等关键字及条件判断语句(A?B:C)。
- JNuit4实战技巧总结
- 我们盘点了7家财税SaaS平台,深入解读财税SaaS AB面
- Spring学习笔记(五)--Spring概述
- 如果使用CSS创建表格显示
- 如何朴实无华的双开微信?
- 如何控制局域网网速_Windows系统如何远程访问控制MAC系统(局域网)
- 通信服务器的作用是什么意思,通讯管理机是什么 通讯管理机的作用功能及特点...
- 个人搭建独立博客,哪个程序比较好用
- BigWorld Pty. Ltd.是一家全球领先的大型多人在线游戏(MMOG)开发解决方案供应商...
- 一个40岁的男人如果穷得一无所有该怎么办?
- 代码质量保证体系(下)
- 【平衡车】PID控制原理到底如何理解?建议收藏!