Python爬虫实战：抓取京东苹果手机评价
目录
很多人学习，不知道从何学起。
很多人学习，掌握了基本语法过后，不知道在哪里寻找案例上手。
很多已经做案例的人，却不知道如何去学习更加高深的知识。
那么针对这三类人，我给大家提供一个好的学习平台，免费领取视频教程，电子书籍，以及课程的源代码！
QQ群：
1. 网站分析
本文实现的爬虫是抓取京东商城指定苹果手机的评论信息。使用抓取手机评论API信息，然后通过json模块的相应API将返回的JSON格式的字符串转换为JSON对象，并提取其中感兴趣的信息。读者可以点击此处打开京东商城，如下图所示：
URL是苹果手机商品。商品页面如下图所示：
在页面的下方是导航条，读者可以单击导航条上的数字按钮，切换到不同的页面，会发现浏览器地址栏的URL并没改变，这种情况一般都是通过另外的通道获取的数据，然后将数据动态显示在页面上。那么如何来寻找这个通道的URL呢?
在浏览器的开发者工具的选项中单击XHR按钮，再切换到其他页，并没有发现要找的API URL，可能京东商城获取数据的方式有些特殊，不是通过发送的请求。
所以重新选中All按钮，显示所有的URL。现在用另外一种方式寻找这个URL，就是。通过左上角的输入框，可以通过关键字搜索URL，由于本文是抓取评论数据，所以可以尝试输入，在左下角的列表中会出现如下图所示的内容。
在搜索结果中会看到 1个名为.的URL，单机这个URL，在右侧切换到选项卡，会看到如上图所示的内容，很明显，这是JSON格式的数据，展开，会看到有10项 ，这是返回的10条评论。在展开某一条评论，如下图所示：
从属性的内容可以看出，属性是评论内容，是评论时间，days是购买多长时间后才来评论的。通过选项卡可以得到如下完整的URL。
https://club.jd.com/comment/productPageComments.action?callback=fetchJSON_comment98&productId=100005492549&score=0&sortType=5&page=0&pageSize=10&isShadowSku=100008348530&fold=1
从这个URL可以看出，page参数表示页数，从0开始，参数表示每页获取的评论数，默认是10，这个参数可以保留默认值，只改变page参数即可。
2. 示例代码
根据前面的描述实现抓取苹果手机评论信息的爬虫，通过变量可以控制抓取的评论条数。最后将抓取的结果显示在控制台中。示例代码如下：
# -*- coding: UTF-8 -*-
"""
@author:AmoXiang
@file:4.抓取京东苹果手机评论.py
@time:2020/09/15
"""
import requests
import jsonheaders = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/85.0.4183.102 Safari/537.36'
}fetch_comment_count = 1000 # 限定抓取的评论数
index = 0 # 用于记录爬取到第几条评论
page_index = 0 # 页码
flag = True # 用于控制循环是否退出while flag:url = 'https://club.jd.com/comment/productPageComments.action?callback=fetchJSON_comment98&productId=100005492549&score=0&sortType=6&page={}&pageSize=10&isShadowSku=100008348530&rid=0&fold=1'.format(page_index)page_index += 1res = requests.get(url=url, headers=headers)text = res.text# 下面的代码替换返回数据的部分内容，因为返回的数据并不是标准的 JSON 格式json_str = text.replace('fetchJSON_comment98(', '')[:-2]json_obj = json.loads(json_str) # 将字符串转换为字典对象comments_list = json_obj['comments']comments_list_length = len(comments_list)# 循环输出评论数据for i in range(comments_list_length):comments = comments_list[i]['content']print(f'< {index + 1} > {comments}')creation_time = comments_list[i]['creationTime'] # 获取评论时间nickname = comments_list[i]['nickname'] # 获取昵称print(creation_time)print(nickname)print("-" * 20)index += 1if index == fetch_comment_count:flag = Falsebreak
程序运行结果如下图所示：
3. 注意事项 京东商城如果频繁使用同一个IP发起大量请求，服务端会临时性封锁IP，可以使用一些免费的代理。API URL返回的数据并不是标准的JSON，里面还有一些杂质，需要在本地将其删除。 本例有一个前缀是，这个前缀是通过URL的参数指定的，根据参数名应该是个回调函数，具体是什么不需要管，总之，需要按照参数的值将返回数据的前缀去掉。
