快捷導航

Python實現(xiàn)的爬取網(wǎng)易動態(tài)評論操作示例

更新時間：2018年06月06日 09:59:24 作者：小傲嬌的認真

這篇文章主要介紹了Python實現(xiàn)的爬取網(wǎng)易動態(tài)評論操作,結(jié)合實例形式分析了Python針對網(wǎng)易評論正則爬取及json格式數(shù)據(jù)轉(zhuǎn)換、提取等相關(guān)操作技巧,需要的朋友可以參考下

本文實例講述了Python實現(xiàn)的爬取網(wǎng)易動態(tài)評論操作。分享給大家供大家參考，具體如下：

打開網(wǎng)易的一條新聞的源代碼后，發(fā)現(xiàn)并沒有所要得評論內(nèi)容。

經(jīng)過學習后發(fā)現(xiàn)，源代碼只是一個完整頁面的“骨架”，而我所需要的內(nèi)容是它的填充物，這時候需要打開工具里面的開發(fā)人員工具，從加載的“骨肉”里找到我所要的評論

圈住的是類型

找到之后打開網(wǎng)頁，發(fā)現(xiàn)json類型的格式，用我已學過的正則，bs都不好鬧，于是便去了解了正則，發(fā)現(xiàn)把json的格式換化成python的格式后，用列表提取內(nèi)容是一條明朗的道路。。。

但是在細致分析的時候也發(fā)現(xiàn)了問題

從這里獲得每條評論時，感覺有點不對，觀察發(fā)現(xiàn)如果是回復(fù)評論的評論會出現(xiàn)他回復(fù)那條評論的數(shù)據(jù)，于是用正則提取了一下

最終的代碼如下：

#coding=utf-8
__author__ = 'kongmengfan123'
import urllib
import re
import json
import time
def gethothtml(url):#最熱評論
  page=urllib.urlopen(url)
  html=page.read()
  get_json(html)
def gethnewtml():#最新評論有5頁
  for i in range(1,6):
    url = 'http://comment.news.163.com/api/v1/products/a2869674571f77b5a0867c3d71db5856/threads/C4QFIJNS0001875O/comments/newList?offset=%d&limit=30&showLevelThreshold=72&headLimit=1&tailLimit=2&callback=getData&ibc=newspc&_=1478010624978'%i*30
    page = urllib.urlopen(url)
    html=page.read()
    time.sleep(1)
    get_json(html)
def get_json(json_):
  end_=re.compile(r'\);')#將json網(wǎng)頁轉(zhuǎn)化成python數(shù)據(jù)
  begain=re.compile(r'getData\(')
  json_=begain.sub('',json_)
  json_=end_.sub('',json_)
  ajson=json.loads(json_)
  lis=ajson["commentIds"]#獲得每條評論的鍵
  n=0
  for i in range(1,len(lis)):
    try:
      xulie=re.compile('\d{10,}')#取得準確評論的鍵（去掉回復(fù)）
      bia=re.findall(xulie,lis[n])
      w.write(ajson['comments'][bia[len(bia)-1]]['user']['nickname'].encode('utf-8')+'|')
    except KeyError:
      w.write(ajson['comments'][bia[len(bia)-1]]['user']['location'].encode('utf-8')+'|')
    if (len(lis[n])>13):
      xulie=re.compile('\d{10,}')
      bia=re.findall(xulie,lis[n])
      w.write(ajson['comments'][bia[len(bia)-1]]['content'].encode('utf-8')+'\n')
    else:
       w.write(ajson['comments'][lis[n]]['content'].encode('utf-8')+'\n')
    n=n+1
  return lis
w=open('wangyi.txt','w')
w.write('用戶名'+'|'+'熱門評論'+'\n')
hot_=gethothtml('http://comment.news.163.com/api/v1/products/a2869674571f77b5a0867c3d71db5856/threads/C4QFIJNS0001875O/comments/hotList?offset=0&limit=40&showLevelThreshold=72&headLimit=1&tailLimit=2&callback=getData&ibc=newspc')
w.write('用戶名'+'|'+'最新評論'+'\n')
gethnewtml()
w.close()

成功。

更多關(guān)于Python相關(guān)內(nèi)容可查看本站專題：《Python Socket編程技巧總結(jié)》、《Python正則表達式用法總結(jié)》、《Python數(shù)據(jù)結(jié)構(gòu)與算法教程》、《Python函數(shù)使用技巧總結(jié)》、《Python字符串操作技巧匯總》、《Python入門與進階經(jīng)典教程》及《Python文件與目錄操作技巧匯總》

希望本文所述對大家Python程序設(shè)計有所幫助。

您可能感興趣的文章: