Python爬取京东商品评论

寻找数据真实接口
请求网页
解析网页
通过循环，爬取所有页面的评论数据

寻找数据真实接口

打开京东商品网址(https://item.jd.com/100009464799.html) 查看商品评价。我们点击评论翻页，发现网址未发生变化，说明该网页是动态网页。

我们在浏览器右键点击“检查”，，随后点击“Network”，刷新一下，在搜索框中输入”评论“，最终找到网址（url）。我们点击Preview,发现了我们需要找的信息。

请求网页

使用requests请求数据库，请求方法是get。

我们查看Headers发现请求方法为get请求，查看Payload并点击，即为get请求参数，完整代码如下所示。

import requests   import pandas as pd   items=[]   header = {'User-agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.131 Safari/537.36 SLBrowser/8.0.1.4031 SLBChan/105'}   url=f'https://api.m.jd.com/?appid=item-v3&functionId=pc_club_productPageComments&client=pc&clientVersion=1.0.0&t=1684832645932&loginType=3&uuid=122270672.2081861737.1683857907.1684829964.1684832583.3&productId=100009464799&score=0&sortType=5&page=1&pageSize=10&isShadowSku=0&rid=0&fold=1&bbtf=1&shield='   response= requests.get(url=url,headers=header)

解析网页

由于网页返回的是json格式数据，获取我们所需要的评论内容、评论时间，我们通过字典访问即可。

先嵌入字典解析库，通过访问字典，一层一层将数据提取到一页的部分信息，编辑代码。

json=response.json()   data=json['comments']   for t in data:       content =t['content']       time    =t['creationTime']

通过循环，爬取所有页面的评论数据

翻页爬取的关键是找到真实地址的“翻页”规律。我们分别点击第1页、第2页、第3页，发现不同页码的除了page参数不一致，其余相同。第1页的“page”是1，第2页的“page”是2，第2页的“page”是2，以此类推。我们嵌套一个For循环，并通过pandas存储数据。运行代码让其自动爬取其他页面的评论信息，并储存t.xlsx的文件中。所有代码如下：

import requests   import pandas as pd   items=[]   for i in range(1,20):       header = {'User-agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.131 Safari/537.36 SLBrowser/8.0.1.4031 SLBChan/105'}       url=f'https://api.m.jd.com/?appid=item-v3&functionId=pc_club_productPageComments&client=pc&clientVersion=1.0.0&t=1684832645932&loginType=3&uuid=122270672.2081861737.1683857907.1684829964.1684832583.3&productId=100009464799&score=0&sortType=5&page={i}&pageSize=10&isShadowSku=0&rid=0&fold=1&bbtf=1&shield='       response= requests.get(url=url,headers=header)       json=response.json()       data=json['comments']       for t in data:           content =t['content']           time    =t['creationTime']           item=[content,time]           items.append(item)   df = pd.DataFrame(items,columns=['评论内容','发布时间'])   df.to_excel(r'C:\Users\蓝胖子\Desktop\t.xlsx',encoding='utf_8_sig')

最后，得到爬取的数据结果如下：