python 爬虫技术（Python爬虫实战，requests+openpyxl模块，爬取手机商品信息数据（附源码））

前言

今天给大家介绍的是Python爬取手机商品信息数据 
  
  
  
  
  
  ，在这里给需要的小伙伴们代码
  
  
  
  
  
  
 ，并且给出一点小心得             。

首先是爬取之前应该尽可能伪装成浏览器而不被识别出来是爬虫
 


 


 


 


 


 


，基本的是加请求头 
 
 
 
 
 
 ，但是这样的纯文本数据爬取的人会很多
   
   
   
   
   
   
 ，所以我们需要考虑更换代理IP和随机更换请求头的方式来对手机信息数据进行爬取 
  
 
  
 
  
 
  
 
  
 
  
 
。

在每次进行爬虫代码的编写之前
 

 

 

 

 

 

，我们的第一步也是最重要的一步就是分析我们的网页












。

通过分析我们发现在爬取过程中速度比较慢 

 

 

 

 

 

 ，所以我们还可以通过禁用谷歌浏览器图片 
  
  
  
  
  
  、JavaScript等方式提升爬虫爬取速度 
  
  
  
  
  
  。

开发工具

Python版本： 3.6

相关模块：

requests模块

json模块

lxml模块

openpyxl

环境搭建

安装Python并添加到环境变量             ，pip安装需要的相关模块即可 
  
  
  
  
  
  
。

文中完整代码及Excel文件

 
 

 
 

 
 

 
 

 
 

 
 

，评论留言获取

思路分析

浏览器中打开我们要爬取的页面

按F12进入开发者工具











，查看我们想要的手机商品数据在哪里

这里我们需要页面数据就可以了

代码实现

请求头防止反爬

# 这里提示不用请求也是可以的只保留user-agent也可以爬取数据 headers = { user-agent:Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3947. 100 Safari/537.36, cookie:你的Cookie, accept-encoding: gzip, deflate, br, accept-language: zh-CN,zh;q=0.9, upgrade-insecure-requests: 1, referer: https://www.jd.com/, }

获取商品评论数

import openpyxl outwb = openpyxl.Workbook() outws = outwb.create_sheet(index=0) outws.cell(row=1,column=1,value="index") outws.cell(row=1,column=2,value="title") outws.cell(row=1,column=3,value="price") outws.cell(row=1,column=4,value="CommentCount") count=2

根据商品id获取评论数

def commentcount(product_id): url = "https://club.jd.com/comment/productCommentSummaries.action?referenceIds="+str(product_id)+"&callback=jQuery8827474&_=1615298058081" res = requests.get(url, headers=headers) res.encoding = gbk text = (res.text).replace("jQuery8827474(","").replace(");","") text = json.loads(text) comment_count = text[CommentsCount][0][CommentCountStr] comment_count = comment_count.replace("+", "") ###对“万             ”进行操作 if "万" in comment_count: comment_count = comment_count.replace("万","") comment_count = str(int(comment_count)*10000) return comment_count

获取每一页的商品数据

def getlist(url): global count #url="https://search.jd.com/search?keyword=笔记本&wq=笔记本&ev=exbrand_联想%5E&page=9&s=241&click=1" res = requests.get(url,headers=headers) res.encoding = utf-8 text = res.text selector = etree.HTML(text) list = selector.xpath(//*[@id="J_goodsList"]/ul/li) for i in list: title=i.xpath(.//div[@class="p-name p-name-type-2"]/a/em/text())[0] price = i.xpath(.//div[@class="p-price"]/strong/i/text())[0] product_id = i.xpath(.//div[@class="p-commit"]/strong/a/@id)[0].replace("J_comment_","") comment_count = commentcount(product_id) #print(title) #print(price) #print(comment_count) outws.cell(row=count, column=1, value=str(count-1)) outws.cell(row=count, column=2, value=str(title)) outws.cell(row=count, column=3, value=str(price)) outws.cell(row=count, column=4, value=str(comment_count)) count = count +1 #print("-----")

遍历每一页

def getpage(): page=1 s = 1 for i in range(1,6): print("page="+str(page)+",s="+str(s)) url = "https://search.jd.com/Search?keyword=手机=utf-8&wq=手机=56b2bc7c47db4861986201bb72c1b281"+str(page)+"&s="+str(s)+"&click=1" getlist(url) page = page+2 s = s+60

结果展示

最后

今天的分享到这里就结束了                    ，感兴趣的朋友也可以去试试哈

对文章有问题的
 
 
 
 
 
 
 
 
 
 
 
 
，或者有其他关于python的问题


















，可以在评论区留言或者私信我哦

觉得我分享的文章不错的话             ，可以关注一下我
  
 
  
 
  
 
  
 
  
 
  
 
 ，或者给文章点赞(/≧▽≦)/