首先,我们先来打开美团美食商家页面,来分析一下。
如上面所提供的URL即为美团美食商家页面。或者我们通过美团官网打开一个美团美食商家页面,打开步骤如下:1、打开浏览器,输入即可打开美团北京首页
2、鼠标滑动到美食标签上,点击更多,即可打开美团美食商家列表页,注意是列表页
3、在列表页中随便点击一家商家即可打开美团美食商家页面。
如我现在打开的北京全聚德(朝阳北路店),打开这个页面之后,我们要抓取哪些数据呢?
主要分为三部分:1、美团美食商家基本信息
2、美团美食商家推荐菜
3、美团美食商家评论信息
可能有的小伙伴有这样的疑问或需求,我们可不可以抓取美团美食商家的团购信息呢?
是可以的,只不过麻烦一些,需要我们登录,并且不仅仅是登录这一个技术难点,我们还需要搭建cookies池,用于随机使用登录信息获取商家团购及优惠信息,否则一直使用一个cookies信息获取时会被美团发现,从而封掉我们的登录信息,造成我们无法抓取。
商家团购及优惠信息的抓取,以及搭建cookies池,我们将会在下次技术分享中给大家讲解。本次,我们先解决美团美食商家信息数据的抓取。
首先我们来分析一下美团美食商家页面请求信息,打开浏览器的开发者模式(打开浏览器后按键盘上的f12即可打开浏览器的开发者模式),勾选network标签下的preserve.log(防止新的请求会覆盖老的请求),刷新美团美食商家页面即可抓取到本页数据包。
根据数据包的抓取结果,我们可以分析出:1、该请求为GET请求
2、该请求不携带任何cookies信息
3、请求的URL为/meishi/1381636/
接下来,我们就可以编辑代码来获取美团美食商家信息了。importrequests
importre
importjson
classMeituanbusiness(object):
"""
处理美团商家详情页
/meishi/6484620/
"""
def__init__(self):
#MAC下的UA可用。。。
self.header={
#"User-Agent":"Mozilla/5.0(WindowsNT6.3;Win64;x64)AppleWebKit/537.36(KHTML,likeGecko)Chrome/74.0.3729.131Safari/537.36"
'User-Agent':'Mozilla/5.0(Macintosh;IntelMacOSX10_12_6)AppleWebKit/537.36(KHTML,likeGecko)Chrome/70.0.3538.77Safari/537.36',
}
defhandle_detail(self,business_id):
business_id=business_id
self.business_detail_url="/meishi/%s/"%business_id
response=requests.get(url=self.business_detail_url,headers=self.header)
#提取数据区域
data=re.search(r'12315消费争议(.*?)"dealList":',response.text,flags=re.DOTALL)
ifdata:
#细节信息
detail_info=re.search(r'"detailInfo":\{"poiId":(\d+),"name":"(.*?)","avgScore":(.*?),"address":"(.*?)","phone":"(.*?)","openTime":"(.*?)","extraInfos":\[(.*?)\],"hasFoodSafeInfo":(.*?),"longitude":(.*?),"latitude":(.*?),"avgPrice":(\d+),"brandId":(\d+),"brandName":"(.*?)",".*?photos":{"frontImgUrl":"(.*?)","albumImgUrls":(.*?)},"recommended":(.*?),"crumbNav":(.*?),"prefer',data.group(1))
ifdetail_info:
info={}
#商家ID
info['poiId']=detail_info.group(1)
#商家名称
info['name']=detail_info.group(2)
#商家评分
info['avgScore']=detail_info.group(3)
#商家地址
info['address']=detail_info.group(4)
#电话
info['phone']=detail_info.group(5)
#营业时间
info['openTime']=detail_info.group(6)
#是否有食品安全档案
info['hasFoodSafeInfo']=detail_info.group(8)
#经纬度
info['longitude']=detail_info.group(9)
info['latitude']=detail_info.group(10)
#均价
info['avgPrice']=detail_info.group(11)
#品牌ID
info['brandId']=detail_info.group(12)
#品牌名称
info['brandName']=detail_info.group(13)
#商家图片
info['frontImgUrl']=detail_info.group(14)
#宣传图片
info['albumImgUrls']=detail_info.group(15)
#其他信息解析,wifi,停车位
extraInfos=detail_info.group(7)
ifextraInfos:
items=json.loads("["+extraInfos+"]")
extraInfos=''
foriteminitems:
extraInfos=item.get('text')+','+extraInfos
info['extraInfos']=extraInfos[0:-2]
#推荐菜
info['recommended']=json.loads(detail_info.group(16))
if__name__=='__main__':
meituan_business_detail=Meituanbusiness()
meituan_business_detail.handle_detail("6484620")
我们可以运行一下,我们的程序代码,来看看当前数据的获取情况,仅展示一部分:
这样呢,我们就可以获取到美团美食商家的信息了,接下来,我们来抓取美团美食商家的评论信息。
首先第一步,还是需要我们来分析请求信息,也就是从众多请求中,找出哪个请求是评论信息的请求,我们可以在异步请求中找到这个请求信息,怎么查找异步请求呢。1、在网络标签中,切换到XHR
2、在众多异步请求中找到评论信息的请求包
我们可以来分析一下这个异步请求,看看他需要哪些信息/meishi/api/poi/getMerchantComment?uuid=4c075f52-c8ba-4116-b02d-5015c4ade7e5&platform=1&partner=126&originUrl=/meishi/1467844/&riskLevel=1&optimusCode=10&id=1467844&userId=&offset=30&pageSize=10&sortType=1
分析如下:1、请求接口
2、uuid设备信息,我们可以从上一步获取商家信息中获取到
3、platform=1&partner=126平台信息等,保持默认
4、当前访问页面
5、offset=30偏移量,也是页码信息
其他保持默认
经过如上分析之后,我们就可以抓取到评论信息了,代码如下:importrequests
importre
importtime
classMeituanBusinessComment(object):
def__init__(self):
self.index_url="/meishi/1467844/"
self.header={
#"User-Agent":"Mozilla/5.0(WindowsNT6.3;Win64;x64)AppleWebKit/537.36(KHTML,likeGecko)Chrome/74.0.3729.131Safari/537.36"
'User-Agent':'Mozilla/5.0(Macintosh;IntelMacOSX10_12_6)AppleWebKit/537.36(KHTML,likeGecko)Chrome/70.0.3538.77Safari/537.36',
}
defhandle_uuid(self):
uuid_search=pile(r"uuid=(.*?);")
uuid_response=requests.get(url=self.index_url,headers=self.header)
self.uuid=uuid_search.search(uuid_response.headers['Set-Cookie']).group(1)
defhandle_comment(self):
self.handle_uuid()
"""
/meishi/api/poi/getMerchantComment?uuid=4c075f52-c8ba-4116-b02d-5015c4ade7e5&platform=1&partner=126&originUrl=/meishi/1467844/&riskLevel=1&optimusCode=10&id=1467844&userId=&offset=30&pageSize=10&sortType=1
"""
forpagein(0,110,10):
comment_url="/meishi/api/poi/getMerchantComment?uuid=%s&platform=1&partner=126&originUrl=/meishi/1467844/&riskLevel=1&optimusCode=10&id=1467844&userId=&offset=%s&pageSize=10&sortType=1"%(self.uuid,page)
response=requests.get(url=comment_url,headers=self.header)
print(response.text)
time.sleep(1)
meituan_comment=MeituanBusinessComment()
meituan_comment.handle_comment()
我们来看一下评论的抓取结果
到此为止,我们已经抓取到了这个商家的所有信息了,包括商家信息,推荐菜信息,评论信息。
那有的同学说,现在可以解析一家的商家信息了,美团上有那么多商家信息,如何才能抓取得到呢,这里呢,给大家提供思路,我们打开美团美食之后,是不是可以进入美团美食的列表页啊,那么在列表页中就可以获取到所有的商家ID,也就是我们当前的代码只需要改一下商家ID,就可以获取其他商家的信息了。importrequests
importjson
importre
classMeituanBusinessPage(object):
"""
解析美团美食页码页
"""
def__init__(self):
self.index_url="/meishi/pn1/"
self.header={
'User-Agent':'Mozilla/5.0(Macintosh;IntelMacOSX10_12_6)AppleWebKit/537.36(KHTML,likeGecko)Chrome/70.0.3538.77Safari/537.36',
}
defhandle_page(self):
"""
处理页码页
:return:
"""
data_search=pile(r'"poiInfos":(.*?)},"comHeader"')
forpageinrange(1,11):
#构造页码页
page_url="/meishi/sales/pn%s/"%page
page_response=requests.get(url=page_url,headers=self.header)
data=data_search.search(page_response.text).group(1)
foriteminjson.loads(data):
print(item['poiId'])
if__name__=='__main__':
meituan_business_page=MeituanBusinessPage()
meituan_business_page.handle_page()
有同学说可不可以使用scrapy框架抓取呢,当然是可以的。
这里呢给大家提供了使用scrapy框架抓取美团美食商家信息代码:
可能有小伙伴对scrapy框架不是很了解,那么这里呢提供给大家一套免费的学习scrapy框架的课程
《Python最火爬虫框架Scrapy入门与实践》
/learn/1017
那还有的小伙伴呢,对python爬虫一点都不了解,也没有关系,我在慕课网上出了一套《入门主流框架Scrapy与爬虫项目实战》,课程地址:/learn/1017 可以更加系统的,从基础开始学习爬虫技术,这套课程包括linux系统管理,Python网络编程,初探网络爬虫,高级爬虫与实战。由浅入深,由点到面的讲解了爬虫技术。
那么大家都知道,在抓取web网页信息的时候,我们可以采用selenium调用浏览器来渲染动态页面,从而实现数据的抓取,那么同样的,我们也可以实现通过appium调用安卓系统来抓取app数据:
《Python爬虫工程师必学——App数据抓取实战》,课程地址:/class/283.html 通过appium实现控制安卓系统中的app,从而实现模拟点击,滑动等操作,通过mitmdump等抓包工具实现数据的解析。
这套课程已经上线一段时间了,近期大壮老师会对该课程进行升级,通过抓取到的数据,如抖音个人信息数据等实现数据的可视化。