Python爬虫实例——爬取美团美食数据
1.分析美团美食网页的url参数构成
1)搜索要点
美团美食,地址:北京,搜索关键词:火锅
2)爬取的url
https://bj.meituan.com/s/%E7%81%AB%E9%94%85/
3)说明
url会有自动编码中文功能。所以火锅二字指的就是这一串我们不认识的代码%E7%81%AB%E9%94%85。
通过关键词城市的url构造,解析当前url中的bj=北京,/s/后面跟搜索关键词。
这样我们就可以了解到当前url的构造。
2.分析页面数据来源(F12开发者工具)
开启F12开发者工具,并且刷新当前页面:可以看到切换到第二页时候,我们的url没有变化,网站也没有自动进行刷新跳转操作。(web中ajax技术就是在保证页面不刷新,url不变化情况下进行数据加载的技术)
此时我们需要在开发者工具中,找到xhr里面对应当前数据的响应文件。
分析到这里可以得知:我们的数据是以json格式交互。分析第二页的json文件请求地址与第三页json文件的请求地址。
第二页: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
第三页: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
对比发现:offse参数每次翻页增加32,并且limit参数是一次请求的数据量,offse是数据请求的开始元素,q是搜索关键词poi/pcsearch/1?其中的1是北京城市的id编号。
3.构造请求抓取美团美食数据
接下来直接构造请求,循环访问每一页的数据,最终代码如下。
import requests import re def start(): for w in range(0, 1600, 32): #页码根据实际情况x32即可,我这里是设置50页为上限,为了避免设置页码过高或者数据过少情况,定义最大上限为1600-也就是50页,使用try-except来检测时候异常,异常跳过该页,一般作为无数据跳过该页处理 try: # 注意uuid后面参数空余将uuid后xxx替换为自己的uuid参数 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的数据可以在F12开发者工具下面的requests_headers中查看,需要实现选择如下headers信息 #必要情况 请求频繁 建议增加cookie参数在headers内 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) #正则获取当前响应内容中的数据,因json方法无法针对店铺特有的title键值进行获取没所以采用正则 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) #输出当前返回数据的长度 是否为32 print(len(titles), len(addresses), len(avgprices), len(avgscores), len(comments)) for o in range(len(titles)): #循环遍历每一个值 写入文件中 title = titles[o] address = addresses[o] avgprice = avgprices[o] avgscore = avgscores[o] comment = comments[o] #写入本地文件 file_data(title, address, avgprice, avgscore, comment) #文件写入方法 def file_data(title, address, avgprice, avgscore, comment): data = { '店铺名称': title, '店铺地址': address, '平均消费价格': avgprice, '店铺评分': avgscore, '评价人数': comment } with open('美团美食.txt', 'a', encoding='utf-8')as fb: fb.write(json.dumps(data, ensure_ascii=False) + '\n') #ensure_ascii=False必须加因为json.dumps方法不关闭转码会导致出现乱码情况 if __name__ == '__main__': start()
运行结果如下:
本地文件:
4.总结
根据搜索词变化,城市变化,可以改变url中指定的参数来实现。同时也要记得变更headers中的指定参数,方法简单,多加练习即可熟悉ajax类型的数据抓取。
以上就是Python爬虫实例——爬取美团美食数据的详细内容,更多关于Python爬虫爬取美食数据的资料请关注我们其它相关文章!