前言

之前爬取美团，马蜂窝等网站的数据都挺顺利，大众点评(这个反爬机制有点麻烦)在磕磕绊绊中也算成功(重点是网页页数的变化和关键字的隐藏替换)但携程居然遇到了瓶颈。

主要是查看源代码时发现关键商户信息根本就找不到，就很奇怪。对于关键信息评论发现翻页时网页的url不变，网上查了一下说是使用是动态的网址进行建构的，Ajax页面加载，那么通用的request.get()就不能用了，所以采取模拟浏览器进行数据爬取。

为什么选取龟峰呢？因为正好才从龟峰回来，这几乎是去过的人最少的5A级景区，大胆猜测数据可能没有那么多(相比去的其他地方而言)而且去的时候惊喜的给免了门票，所以用这个来测试。

PS：如有需要Python学习资料的小伙伴可以加下方的群去找免费管理员领取

第一步：打开网页

可能需要登录后才能查看评价

查看网页源代码

可以看到无法加载出关键评论信息

F12查看评论的具体代码，如下图找到评论列表，找到url和request payload

至此已经获取了网址最重要的内容

直接上完整代码

import requests

import json

import time

import csv

import re

c=open(r'D:\guifeng.csv','a+',newline='',encoding='utf-8')

fieldnames=['user','time','score','content']

writer=csv.DictWriter(c,fieldnames=fieldnames)

writer.writeheader()

head = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:56.0) Gecko/20100101 Firefox/56.0'}

postUrl = "https://sec-m.ctrip.com/restapi/soa2/12530/json/viewCommentList"

data_1 = {

"pageid": "290510",

"viewid": "127481",

"tagid": "-11",

"pagenum": "1",

"pagesize": "10",

"contentType": "json",

"SortType": "1",

"head": {

"appid": "100013776",

"cid": "09031010311083118856",

"ctok": "",

"cver": "1.0",

"lang": "01",

"sid": "8888",

"syscode": "09",

"auth": "",

"extension": [

{

"name": "protocal",

"value": "https"

}

]

},

"ver": "7.10.3.0319180000"

}

html = requests.post(postUrl, data=json.dumps(data_1)).text

html = json.loads(html)

jingqu = '龟峰'

pages = html['data']['totalpage']

datas = []

for j in range(pages):

data1 = {

"pageid": "290510",

"viewid": "127481",

"tagid": "-11",

"pagenum": str(j + 1),

"pagesize": "10",

"contentType": "json",

"SortType": "1",

"head": {

"appid": "100013776",

"cid": "09031010311083118856",

"ctok": "",

"cver": "1.0",

"lang": "01",

"sid": "8888",

"syscode": "09",

"auth": "",

"extension": [

{

"name": "protocal",

"value": "https"

}

]

},

"ver": "7.10.3.0319180000"

}

datas.append(data1)

for k in datas[:50]:

print('正在抓取第' + k['pagenum'] + "页")

time.sleep(3)

html1 = requests.post(postUrl, data=json.dumps(k)).text

html1 = json.loads(html1)

comments = html1['data']['comments']

for i in comments:

user = i['uid']

time1 = i['date']

score = i['score']

content = i['content']

content = re.sub(" ", "", content)

content = re.sub("

", "", content)

writer.writerow({'user': user,'time':time1,'score': score,'content':content})

c.close()

即

按F5直接运行得出文件(自动存储在D盘里)

右键以记事本打开(如果使用excel需要先另存为否则初次打开会是乱码)

关键步骤解读

postUrl = "https://sec-m.ctrip.com/restapi/soa2/12530/json/viewCommentList"

这个网址是评论的通用网址不需要改动

可以改动的地方为：

c=open(r'D:\guifeng.csv','a+',newline='',encoding='utf-8')

存储的路径可以自定义，这里我直接用的是D盘

data_1 = {

"pageid": "290510",

"viewid": "127481",

"tagid": "-11",

"pagenum": "1",

"pagesize": "10",

"contentType": "json",

"SortType": "1",

"head": {

"appid": "100013776",

"cid": "09031010311083118856",

"ctok": "",

"cver": "1.0",

"lang": "01",

"sid": "8888",

"syscode": "09",

"auth": "",

"extension": [

{

"name": "protocal",

"value": "https"

}

]

},

"ver": "7.10.3.0319180000"

}

具体数据就是如下图需爬取网页评论代码里红圈的部分

同样的这个也是

data1 = {

"pageid": "290510",

"viewid": "127481",

"tagid": "-11",

"pagenum": str(j + 1),

"pagesize": "10",

"contentType": "json",

"SortType": "1",

"head": {

"appid": "100013776",

"cid": "09031010311083118856",

"ctok": "",

"cver": "1.0",

"lang": "01",

"sid": "8888",

"syscode": "09",

"auth": "",

"extension": [

{

"name": "protocal",

"value": "https"

}

]

},

"ver": "7.10.3.0319180000"

}

datas.append(data1)

注意：

"pagenum": str(j + 1),

这一步不可更改

最后

for k in datas[:50]:

print('正在抓取第' + k['pagenum'] + "页")

time.sleep(3)

这里的爬取的页数50是可以更改的

时间间隔3也是可以更改的

至此可以成功爬取携程上任意一家的评论，yes！！！

本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。

作者：一千口水牛

本文分享 CSDN - 松鼠爱吃饼干。

如有侵权，请联系 support@oschina.cn 删除。

本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。