Python爬蟲實(shí)例——爬取美團(tuán)美食數(shù)據(jù)

更新時(shí)間：2020年07月15日 17:03:34 作者：吃著東西不想停

這篇文章主要介紹了Python爬蟲如何爬取美團(tuán)美食數(shù)據(jù)，文中講解非常詳細(xì)，代碼幫助大家更好的理解和學(xué)習(xí)，感興趣的朋友可以了解下

1.分析美團(tuán)美食網(wǎng)頁的url參數(shù)構(gòu)成

1）搜索要點(diǎn)

美團(tuán)美食，地址：北京，搜索關(guān)鍵詞：火鍋

2）爬取的url

https://bj.meituan.com/s/%E7%81%AB%E9%94%85/

3）說明

url會(huì)有自動(dòng)編碼中文功能。所以火鍋二字指的就是這一串我們不認(rèn)識(shí)的代碼%E7%81%AB%E9%94%85。

通過關(guān)鍵詞城市的url構(gòu)造，解析當(dāng)前url中的bj=北京，/s/后面跟搜索關(guān)鍵詞。

這樣我們就可以了解到當(dāng)前url的構(gòu)造。

2.分析頁面數(shù)據(jù)來源(F12開發(fā)者工具)

開啟F12開發(fā)者工具，并且刷新當(dāng)前頁面：可以看到切換到第二頁時(shí)候，我們的url沒有變化，網(wǎng)站也沒有自動(dòng)進(jìn)行刷新跳轉(zhuǎn)操作。(web中ajax技術(shù)就是在保證頁面不刷新，url不變化情況下進(jìn)行數(shù)據(jù)加載的技術(shù))

此時(shí)我們需要在開發(fā)者工具中，找到xhr里面對(duì)應(yīng)當(dāng)前數(shù)據(jù)的響應(yīng)文件。

分析到這里可以得知：我們的數(shù)據(jù)是以json格式交互。分析第二頁的json文件請(qǐng)求地址與第三頁json文件的請(qǐng)求地址。

第二頁：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

第三頁：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

對(duì)比發(fā)現(xiàn)：offse參數(shù)每次翻頁增加32，并且limit參數(shù)是一次請(qǐng)求的數(shù)據(jù)量，offse是數(shù)據(jù)請(qǐng)求的開始元素，q是搜索關(guān)鍵詞poi/pcsearch/1？其中的1是北京城市的id編號(hào)。

3.構(gòu)造請(qǐng)求抓取美團(tuán)美食數(shù)據(jù)

接下來直接構(gòu)造請(qǐng)求，循環(huán)訪問每一頁的數(shù)據(jù)，最終代碼如下。

import requests
import re


def start():
  for w in range(0, 1600, 32):
  #頁碼根據(jù)實(shí)際情況x32即可，我這里是設(shè)置50頁為上限，為了避免設(shè)置頁碼過高或者數(shù)據(jù)過少情況，定義最大上限為1600-也就是50頁，使用try-except來檢測(cè)時(shí)候異常，異常跳過該頁，一般作為無數(shù)據(jù)跳過該頁處理
    try:
    # 注意uuid后面參數(shù)空余將uuid后xxx替換為自己的uuid參數(shù)
      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的數(shù)據(jù)可以在F12開發(fā)者工具下面的requests_headers中查看，需要實(shí)現(xiàn)選擇如下headers信息
      #必要情況 請(qǐng)求頻繁 建議增加cookie參數(shù)在headers內(nèi)
      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)
      #正則獲取當(dāng)前響應(yīng)內(nèi)容中的數(shù)據(jù)，因json方法無法針對(duì)店鋪特有的title鍵值進(jìn)行獲取沒所以采用正則
   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)
     #輸出當(dāng)前返回?cái)?shù)據(jù)的長(zhǎng)度 是否為32
     print(len(titles), len(addresses), len(avgprices), len(avgscores), len(comments))
     for o in range(len(titles)):
     #循環(huán)遍歷每一個(gè)值 寫入文件中
       title = titles[o]
       address = addresses[o]
       avgprice = avgprices[o]
       avgscore = avgscores[o]
       comment = comments[o]
       #寫入本地文件
       file_data(title, address, avgprice, avgscore, comment)

#文件寫入方法
def file_data(title, address, avgprice, avgscore, comment):
  data = {
        '店鋪名稱': title,
        '店鋪地址': address,
        '平均消費(fèi)價(jià)格': avgprice,
        '店鋪評(píng)分': avgscore,
        '評(píng)價(jià)人數(shù)': comment
      }
  with open('美團(tuán)美食.txt', 'a', encoding='utf-8')as fb:
    fb.write(json.dumps(data, ensure_ascii=False) + '\n')
    #ensure_ascii=False必須加因?yàn)閖son.dumps方法不關(guān)閉轉(zhuǎn)碼會(huì)導(dǎo)致出現(xiàn)亂碼情況
if __name__ == '__main__':
  start()

運(yùn)行結(jié)果如下：