Python爬取京東商品信息評(píng)論存并進(jìn)MySQL
更新時(shí)間：2022年04月11日 19:43:29 作者：程序員班長(zhǎng)
這篇文章主要介紹了Python爬取京東商品信息評(píng)論存并進(jìn)MySQL，文章通過(guò)構(gòu)建mysql數(shù)據(jù)表展開Python爬取信息存進(jìn)MySQL的內(nèi)容，需要的小伙伴可以參考一下
構(gòu)建mysql數(shù)據(jù)表
問(wèn)題：使用SQL alchemy時(shí)，非主鍵不能設(shè)置為自增長(zhǎng)，但是我想讓這個(gè)非主鍵僅僅是為了作為索引，autoincrement=True無(wú)效，該怎么實(shí)現(xiàn)讓它自增長(zhǎng)呢？
from sqlalchemy import String,Integer,Text,Column from sqlalchemy import create_engine from sqlalchemy.orm import sessionmaker from sqlalchemy.orm import scoped_session from sqlalchemy.ext.declarative import declarative_base ? engine=create_engine( ? ? "mysql+pymysql://root:root@127.0.0.1:3306/jdcrawl?charset=utf8", ? ? pool_size=200, ? ? max_overflow=300, ? ? echo=False ) ? BASE=declarative_base() # 實(shí)例化 ? class Goods(BASE): ? ? __tablename__='goods' ? ? id=Column(Integer(),primary_key=True,autoincrement=True) ? ? sku_id = Column(String(200), primary_key=True, autoincrement=False) ? ? name=Column(String(200)) ? ? price=Column(String(200)) ? ? comments_num=Column(Integer) ? ? shop=Column(String(200)) ? ? link=Column(String(200)) ? class Comments(BASE): ? ? __tablename__='comments' ? ? id=Column(Integer(),primary_key=True,autoincrement=True,nullable=False) ? ? sku_id=Column(String(200),primary_key=True,autoincrement=False) ? ? comments=Column(Text()) ? BASE.metadata.create_all(engine) Session=sessionmaker(engine) sess_db=scoped_session(Session)
第一版：
問(wèn)題：爬取幾頁(yè)評(píng)論后就會(huì)爬取到空白頁(yè)，添加refer后依舊如此
嘗試解決方法：將獲取評(píng)論地方的線程池改為單線程，并每獲取一頁(yè)評(píng)論增加延時(shí)1s
# 不能爬太快?。。〔蝗猾@取不到評(píng)論
?
from bs4 import BeautifulSoup
import requests
from urllib import parse
import csv,json,re
import threadpool
import time
from jd_mysqldb import Goods,Comments,sess_db
?
headers={
? ? 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36',
? ? 'Cookie': '__jdv=76161171|baidu|-|organic|%25E4%25BA%25AC%25E4%25B8%259C|1613711947911; __jdu=16137119479101182770449; areaId=7; ipLoc-djd=7-458-466-0; PCSYCityID=CN_410000_0_0; shshshfpa=07383463-032f-3f99-9d40-639cb57c6e28-1613711950; shshshfpb=u8S9UvxK66gfIbM1mUNrIOg%3D%3D; user-key=153f6b4d-0704-4e56-82b6-8646f3f0dad4; cn=0; shshshfp=9a88944b34cb0ff3631a0a95907b75eb; __jdc=122270672; 3AB9D23F7A4B3C9B=SEELVNXBPU7OAA3UX5JTKR5LQADM5YFJRKY23Z6HDBU4OT2NWYGX525CKFFVHTRDJ7Q5DJRMRZQIQJOW5GVBY43XVI; jwotest_product=99; __jda=122270672.16137119479101182770449.1613711948.1613738165.1613748918.4; JSESSIONID=C06EC8D2E9384D2628AE22B1A6F9F8FC.s1; shshshsID=ab2ca3143928b1b01f6c5b71a15fcebe_5_1613750374847; __jdb=122270672.5.16137119479101182770449|4.1613748918',
? ? 'Referer': 'https://www.jd.com/'
}
?
num=0 ? # 商品數(shù)量
comments_num=0 ? # 評(píng)論數(shù)量
?
# 獲取商品信息和SkuId
def getIndex(url):
? ? session=requests.Session()
? ? session.headers=headers
? ? global num
? ? res=session.get(url,headers=headers)
? ? print(res.status_code)
? ? res.encoding=res.apparent_encoding
? ? soup=BeautifulSoup(res.text,'lxml')
? ? items=soup.select('li.gl-item')
? ? for item in items[:3]: ?# 爬取3個(gè)商品測(cè)試
? ? ? ? title=item.select_one('.p-name a em').text.strip().replace(' ','')
? ? ? ? price=item.select_one('.p-price strong').text.strip().replace('￥','')
? ? ? ? try:
? ? ? ? ? ? shop=item.select_one('.p-shopnum a').text.strip() ? # 獲取書籍時(shí)查找店鋪的方法
? ? ? ? except:
? ? ? ? ? ? shop=item.select_one('.p-shop a').text.strip() ?# ? 獲取其他商品時(shí)查找店鋪的方法
? ? ? ? link=parse.urljoin('https://',item.select_one('.p-img a').get('href'))
? ? ? ? SkuId=re.search('\d+',link).group()
? ? ? ? comments_num=getCommentsNum(SkuId,session)
? ? ? ? print(SkuId,title, price, shop, link, comments_num)
? ? ? ? print("開始存入數(shù)據(jù)庫(kù)...")
? ? ? ? try:
? ? ? ? ? ? IntoGoods(SkuId,title, price, shop, link, comments_num)
? ? ? ? except Exception as e:
? ? ? ? ? ? print(e)
? ? ? ? ? ? sess_db.rollback()
? ? ? ? num += 1
? ? ? ? print("正在獲取評(píng)論...")
? ? ? ? # 獲取評(píng)論總頁(yè)數(shù)
? ? ? ? url1 = f'https://club.jd.com/comment/productPageComments.action?productId={SkuId}&score=0&sortType=5&page=0&pageSize=10'
? ? ? ? headers['Referer'] = f'https://item.jd.com/{SkuId}.html'
? ? ? ? headers['Connection']='keep-alive'
? ? ? ? res2 = session.get(url1,headers=headers)
? ? ? ? res2.encoding = res2.apparent_encoding
? ? ? ? json_data = json.loads(res2.text)
? ? ? ? max_page = json_data['maxPage'] ?# 經(jīng)測(cè)試最多可獲取100頁(yè)評(píng)論，每頁(yè)10條
? ? ? ? args = []
? ? ? ? for i in range(0, max_page):
? ? ? ? ? ? # 使用此鏈接獲取評(píng)論得到的為json格式
? ? ? ? ? ? url2 = f'https://club.jd.com/comment/productPageComments.action?productId={SkuId}&score=0&sortType=5&page={i}&pageSize=10'
? ? ? ? ? ? # 使用此鏈接獲取評(píng)論得到的非json格式，需要提取
? ? ? ? ? ? # url2_2=f'https://club.jd.com/comment/productPageComments.action?callback=jQuery9287224&productId={SkuId}&score=0&sortType=5&page={i}&pageSize=10'
? ? ? ? ? ? args.append(([session,SkuId,url2], None))
? ? ? ? pool2 = threadpool.ThreadPool(2) ? # 2個(gè)線程
? ? ? ? reque2 = threadpool.makeRequests(getComments,args) ?# 創(chuàng)建任務(wù)
? ? ? ? for r in reque2:
? ? ? ? ? ? pool2.putRequest(r) # 提交任務(wù)到線程池
? ? ? ? pool2.wait()
?
# 獲取評(píng)論總數(shù)量
def getCommentsNum(SkuId,sess):
? ? headers['Referer']=f'https://item.jd.com/{SkuId}.html'
? ? url=f'https://club.jd.com/comment/productCommentSummaries.action?referenceIds={SkuId}'
? ? res=sess.get(url,headers=headers)
? ? try:
? ? ? ? res.encoding=res.apparent_encoding
? ? ? ? json_data=json.loads(res.text) ?# json格式轉(zhuǎn)為字典
? ? ? ? num=json_data['CommentsCount'][0]['CommentCount']
? ? ? ? return num
? ? except:
? ? ? ? return 'Error'
?
# 獲取評(píng)論
def getComments(sess,SkuId,url2):
? ? global comments_num
? ? print(url2)
? ? headers['Referer'] = f'https://item.jd.com/{SkuId}.html'
? ? res2 = sess.get(url2,headers=headers)
? ? res2.encoding='gbk'
? ? json_data=res2.text
? ? '''
? ? # 如果用url2_2需要進(jìn)行如下操作提取json
? ? start = res2.text.find('jQuery9287224(') + len('jQuery9287224(')
? ? end = res2.text.find(');')
? ? json_data=res2.text[start:end]
? ? '''
? ? dict_data = json.loads(json_data)
? ? try:
? ? ? ? comments=dict_data['comments']
? ? ? ? for item in comments:
? ? ? ? ? ? comment=item['content'].replace('\n','')
? ? ? ? ? ? # print(comment)
? ? ? ? ? ? comments_num+=1
? ? ? ? ? ? try:
? ? ? ? ? ? ? ? IntoComments(SkuId,comment)
? ? ? ? ? ? except Exception as e:
? ? ? ? ? ? ? ? print(e)
? ? ? ? ? ? ? ? sess_db.rollback()
? ? except:
? ? ? ? pass
?
# 商品信息入庫(kù)
def IntoGoods(SkuId,title, price, shop, link, comments_num):
? ? goods_data=Goods(
? ? ? ? sku_id=SkuId,
? ? ? ? name=title,
? ? ? ? price=price,
? ? ? ? comments_num=comments_num,
? ? ? ? shop=shop,
? ? ? ? link=link
? ? )
? ? sess_db.add(goods_data)
? ? sess_db.commit()
?
# 評(píng)論入庫(kù)
def IntoComments(SkuId,comment):
? ? comments_data=Comments(
? ? ? ? sku_id=SkuId,
? ? ? ? comments=comment
? ? )
? ? sess_db.add(comments_data)
? ? sess_db.commit()
?
if __name__ == '__main__':
? ? start_time=time.time()
? ? urls=[]
? ? KEYWORD=parse.quote(input("請(qǐng)輸入要查詢的關(guān)鍵詞："))
? ? for i in range(1,2): ? ?# 爬取一頁(yè)進(jìn)行測(cè)試
? ? ? ? url=f'https://search.jd.com/Search?keyword={KEYWORD}&wq={KEYWORD}&page={i}'
? ? ? ? urls.append(([url,],None)) ?# threadpool要求必須這樣寫
? ? pool=threadpool.ThreadPool(2) ?# 2個(gè)線程的線程池
? ? reque=threadpool.makeRequests(getIndex,urls) ? ?# 創(chuàng)建任務(wù)
? ? for r in reque:
? ? ? ? pool.putRequest(r) ?# 向線程池提交任務(wù)
? ? pool.wait() # 等待所有任務(wù)執(zhí)行完畢
? ? print("共獲取{}件商品，獲得{}條評(píng)論，耗時(shí){}".format(num,comments_num,time.time()-start_time))第二版：
經(jīng)測(cè)試，的確不會(huì)出現(xiàn)空白頁(yè)的情況
進(jìn)一步優(yōu)化：同時(shí)獲取2個(gè)以上商品的評(píng)論
# 不能爬太快?。?！不然獲取不到評(píng)論
from bs4 import BeautifulSoup
import requests
from urllib import parse
import csv,json,re
import threadpool
import time
from jd_mysqldb import Goods,Comments,sess_db
?
headers={
? ? 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36',
? ? 'Cookie': '__jdv=76161171|baidu|-|organic|%25E4%25BA%25AC%25E4%25B8%259C|1613711947911; __jdu=16137119479101182770449; areaId=7; ipLoc-djd=7-458-466-0; PCSYCityID=CN_410000_0_0; shshshfpa=07383463-032f-3f99-9d40-639cb57c6e28-1613711950; shshshfpb=u8S9UvxK66gfIbM1mUNrIOg%3D%3D; user-key=153f6b4d-0704-4e56-82b6-8646f3f0dad4; cn=0; shshshfp=9a88944b34cb0ff3631a0a95907b75eb; __jdc=122270672; 3AB9D23F7A4B3C9B=SEELVNXBPU7OAA3UX5JTKR5LQADM5YFJRKY23Z6HDBU4OT2NWYGX525CKFFVHTRDJ7Q5DJRMRZQIQJOW5GVBY43XVI; jwotest_product=99; __jda=122270672.16137119479101182770449.1613711948.1613738165.1613748918.4; JSESSIONID=C06EC8D2E9384D2628AE22B1A6F9F8FC.s1; shshshsID=ab2ca3143928b1b01f6c5b71a15fcebe_5_1613750374847; __jdb=122270672.5.16137119479101182770449|4.1613748918',
? ? 'Referer': 'https://www.jd.com/'
}
?
num=0 ? # 商品數(shù)量
comments_num=0 ? # 評(píng)論數(shù)量
?
# 獲取商品信息和SkuId
def getIndex(url):
? ? session=requests.Session()
? ? session.headers=headers
? ? global num
? ? res=session.get(url,headers=headers)
? ? print(res.status_code)
? ? res.encoding=res.apparent_encoding
? ? soup=BeautifulSoup(res.text,'lxml')
? ? items=soup.select('li.gl-item')
? ? for item in items[:2]: ?# 爬取2個(gè)商品測(cè)試
? ? ? ? title=item.select_one('.p-name a em').text.strip().replace(' ','')
? ? ? ? price=item.select_one('.p-price strong').text.strip().replace('￥','')
? ? ? ? try:
? ? ? ? ? ? shop=item.select_one('.p-shopnum a').text.strip() ? # 獲取書籍時(shí)查找店鋪的方法
? ? ? ? except:
? ? ? ? ? ? shop=item.select_one('.p-shop a').text.strip() ?# ? 獲取其他商品時(shí)查找店鋪的方法
? ? ? ? link=parse.urljoin('https://',item.select_one('.p-img a').get('href'))
? ? ? ? SkuId=re.search('\d+',link).group()
? ? ? ? headers['Referer'] = f'https://item.jd.com/{SkuId}.html'
? ? ? ? headers['Connection'] = 'keep-alive'
? ? ? ? comments_num=getCommentsNum(SkuId,session)
? ? ? ? print(SkuId,title, price, shop, link, comments_num)
? ? ? ? print("開始將商品存入數(shù)據(jù)庫(kù)...")
? ? ? ? try:
? ? ? ? ? ? IntoGoods(SkuId,title, price, shop, link, comments_num)
? ? ? ? except Exception as e:
? ? ? ? ? ? print(e)
? ? ? ? ? ? sess_db.rollback()
? ? ? ? num += 1
? ? ? ? print("正在獲取評(píng)論...")
? ? ? ? # 獲取評(píng)論總頁(yè)數(shù)
? ? ? ? url1 = f'https://club.jd.com/comment/productPageComments.action?productId={SkuId}&score=0&sortType=5&page=0&pageSize=10'
? ? ? ? res2 = session.get(url1,headers=headers)
? ? ? ? res2.encoding = res2.apparent_encoding
? ? ? ? json_data = json.loads(res2.text)
? ? ? ? max_page = json_data['maxPage'] ?# 經(jīng)測(cè)試最多可獲取100頁(yè)評(píng)論，每頁(yè)10條
? ? ? ? print("{}評(píng)論共{}頁(yè)".format(SkuId,max_page))
? ? ? ? if max_page==0:
? ? ? ? ? ? IntoComments(SkuId,'0')
? ? ? ? else:
? ? ? ? ? ? for i in range(0, max_page):
? ? ? ? ? ? ? ? # 使用此鏈接獲取評(píng)論得到的為json格式
? ? ? ? ? ? ? ? url2 = f'https://club.jd.com/comment/productPageComments.action?productId={SkuId}&score=0&sortType=5&page={i}&pageSize=10'
? ? ? ? ? ? ? ? # 使用此鏈接獲取評(píng)論得到的非json格式，需要提取
? ? ? ? ? ? ? ? # url2_2=f'https://club.jd.com/comment/productPageComments.action?callback=jQuery9287224&productId={SkuId}&score=0&sortType=5&page={i}&pageSize=10'
? ? ? ? ? ? ? ? print("開始獲取第{}頁(yè)評(píng)論:{}".format(i+1,url2) )
? ? ? ? ? ? ? ? getComments(session,SkuId,url2)
? ? ? ? ? ? ? ? time.sleep(1)
?
# 獲取評(píng)論總數(shù)量
def getCommentsNum(SkuId,sess):
? ? url=f'https://club.jd.com/comment/productCommentSummaries.action?referenceIds={SkuId}'
? ? res=sess.get(url)
? ? try:
? ? ? ? res.encoding=res.apparent_encoding
? ? ? ? json_data=json.loads(res.text) ?# json格式轉(zhuǎn)為字典
? ? ? ? num=json_data['CommentsCount'][0]['CommentCount']
? ? ? ? return num
? ? except:
? ? ? ? return 'Error'
?
# 獲取評(píng)論
def getComments(sess,SkuId,url2):
? ? global comments_num
? ? res2 = sess.get(url2)
? ? res2.encoding=res2.apparent_encoding
? ? json_data=res2.text
? ? '''
? ? # 如果用url2_2需要進(jìn)行如下操作提取json
? ? start = res2.text.find('jQuery9287224(') + len('jQuery9287224(')
? ? end = res2.text.find(');')
? ? json_data=res2.text[start:end]
? ? '''
? ? dict_data = json.loads(json_data)
? ? comments=dict_data['comments']
? ? for item in comments:
? ? ? ? comment=item['content'].replace('\n','')
? ? ? ? # print(comment)
? ? ? ? comments_num+=1
? ? ? ? try:
? ? ? ? ? ? IntoComments(SkuId,comment)
? ? ? ? except Exception as e:
? ? ? ? ? ? print(e)
? ? ? ? ? ? sess_db.rollback()
?
# 商品信息入庫(kù)
def IntoGoods(SkuId,title, price, shop, link, comments_num):
? ? goods_data=Goods(
? ? ? ? sku_id=SkuId,
? ? ? ? name=title,
? ? ? ? price=price,
? ? ? ? comments_num=comments_num,
? ? ? ? shop=shop,
? ? ? ? link=link
? ? )
? ? sess_db.add(goods_data)
? ? sess_db.commit()
?
# 評(píng)論入庫(kù)
def IntoComments(SkuId,comment):
? ? comments_data=Comments(
? ? ? ? sku_id=SkuId,
? ? ? ? comments=comment
? ? )
? ? sess_db.add(comments_data)
? ? sess_db.commit()
?
if __name__ == '__main__':
? ? start_time=time.time()
? ? urls=[]
? ? KEYWORD=parse.quote(input("請(qǐng)輸入要查詢的關(guān)鍵詞："))
? ? for i in range(1,2): ? ?# 爬取一頁(yè)進(jìn)行測(cè)試
? ? ? ? url=f'https://search.jd.com/Search?keyword={KEYWORD}&wq={KEYWORD}&page={i}'
? ? ? ? urls.append(([url,],None)) ?# threadpool要求必須這樣寫
? ? pool=threadpool.ThreadPool(2) ?# 2個(gè)線程的線程池
? ? reque=threadpool.makeRequests(getIndex,urls) ? ?# 創(chuàng)建任務(wù)
? ? for r in reque:
? ? ? ? pool.putRequest(r) ?# 向線程池提交任務(wù)
? ? pool.wait() # 等待所有任務(wù)執(zhí)行完畢
? ? print("共獲取{}件商品，獲得{}條評(píng)論，耗時(shí){}".format(num,comments_num,time.time()-start_time))第三版：
。。。。不行，又出現(xiàn)空白頁(yè)了
# 不能爬太快！??！不然獲取不到評(píng)論
from bs4 import BeautifulSoup
import requests
from urllib import parse
import csv,json,re
import threadpool
import time
from jd_mysqldb import Goods,Comments,sess_db
?
headers={
? ? 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36',
? ? 'Cookie': '__jdv=76161171|baidu|-|organic|%25E4%25BA%25AC%25E4%25B8%259C|1613711947911; __jdu=16137119479101182770449; areaId=7; ipLoc-djd=7-458-466-0; PCSYCityID=CN_410000_0_0; shshshfpa=07383463-032f-3f99-9d40-639cb57c6e28-1613711950; shshshfpb=u8S9UvxK66gfIbM1mUNrIOg%3D%3D; user-key=153f6b4d-0704-4e56-82b6-8646f3f0dad4; cn=0; shshshfp=9a88944b34cb0ff3631a0a95907b75eb; __jdc=122270672; 3AB9D23F7A4B3C9B=SEELVNXBPU7OAA3UX5JTKR5LQADM5YFJRKY23Z6HDBU4OT2NWYGX525CKFFVHTRDJ7Q5DJRMRZQIQJOW5GVBY43XVI; jwotest_product=99; __jda=122270672.16137119479101182770449.1613711948.1613738165.1613748918.4; JSESSIONID=C06EC8D2E9384D2628AE22B1A6F9F8FC.s1; shshshsID=ab2ca3143928b1b01f6c5b71a15fcebe_5_1613750374847; __jdb=122270672.5.16137119479101182770449|4.1613748918',
? ? 'Referer': 'https://www.jd.com/'
}
?
num=0 ? # 商品數(shù)量
comments_num=0 ? # 評(píng)論數(shù)量
?
# 獲取商品信息和SkuId
def getIndex(url):
? ? global num
? ? skuids=[]
? ? session=requests.Session()
? ? session.headers=headers
? ? res=session.get(url,headers=headers)
? ? print(res.status_code)
? ? res.encoding=res.apparent_encoding
? ? soup=BeautifulSoup(res.text,'lxml')
? ? items=soup.select('li.gl-item')
? ? for item in items[:3]: ?# 爬取3個(gè)商品測(cè)試
? ? ? ? title=item.select_one('.p-name a em').text.strip().replace(' ','')
? ? ? ? price=item.select_one('.p-price strong').text.strip().replace('￥','')
? ? ? ? try:
? ? ? ? ? ? shop=item.select_one('.p-shopnum a').text.strip() ? # 獲取書籍時(shí)查找店鋪的方法
? ? ? ? except:
? ? ? ? ? ? shop=item.select_one('.p-shop a').text.strip() ?# ? 獲取其他商品時(shí)查找店鋪的方法
? ? ? ? link=parse.urljoin('https://',item.select_one('.p-img a').get('href'))
? ? ? ? SkuId=re.search('\d+',link).group()
? ? ? ? skuids.append(([SkuId,session],None))
? ? ? ? headers['Referer'] = f'https://item.jd.com/{SkuId}.html'
? ? ? ? headers['Connection'] = 'keep-alive'
? ? ? ? comments_num=getCommentsNum(SkuId,session) ?# 評(píng)論數(shù)量
? ? ? ? print(SkuId,title, price, shop, link, comments_num)
? ? ? ? print("開始將商品存入數(shù)據(jù)庫(kù)...")
? ? ? ? try:
? ? ? ? ? ? IntoGoods(SkuId,title, price, shop, link, comments_num)
? ? ? ? except Exception as e:
? ? ? ? ? ? print(e)
? ? ? ? ? ? sess_db.rollback()
? ? ? ? num += 1
? ? print("開始獲取評(píng)論并存入數(shù)據(jù)庫(kù)...")
? ? pool2=threadpool.ThreadPool(3) ? # 可同時(shí)獲取3個(gè)商品的評(píng)論
? ? task=threadpool.makeRequests(getComments,skuids)
? ? for r in task:
? ? ? ? pool2.putRequest(r)
? ? pool2.wait()
?
# 獲取評(píng)論
def getComments(SkuId,sess):
? ? # 獲取評(píng)論總頁(yè)數(shù)
? ? url1 = f'https://club.jd.com/comment/productPageComments.action?productId={SkuId}&score=0&sortType=5&page=0&pageSize=10'
? ? res2 = sess.get(url1, headers=headers)
? ? res2.encoding = res2.apparent_encoding
? ? json_data = json.loads(res2.text)
? ? max_page = json_data['maxPage'] ?# 經(jīng)測(cè)試最多可獲取100頁(yè)評(píng)論，每頁(yè)10條
? ? print("{}評(píng)論共{}頁(yè)".format(SkuId, max_page))
? ? if max_page == 0:
? ? ? ? IntoComments(SkuId, '0')
? ? else:
? ? ? ? for i in range(0, max_page):
? ? ? ? ? ? # 使用此鏈接獲取評(píng)論得到的為json格式
? ? ? ? ? ? url2 = f'https://club.jd.com/comment/productPageComments.action?productId={SkuId}&score=0&sortType=5&page={i}&pageSize=10'
? ? ? ? ? ? # 使用此鏈接獲取評(píng)論得到的非json格式，需要提取
? ? ? ? ? ? # url2_2=f'https://club.jd.com/comment/productPageComments.action?callback=jQuery9287224&productId={SkuId}&score=0&sortType=5&page={i}&pageSize=10'
? ? ? ? ? ? print("開始獲取第{}頁(yè)評(píng)論:{}".format(i + 1, url2))
? ? ? ? ? ? getComments_one(sess, SkuId, url2)
? ? ? ? ? ? time.sleep(1)
?
# 獲取評(píng)論總數(shù)量
def getCommentsNum(SkuId,sess):
? ? url=f'https://club.jd.com/comment/productCommentSummaries.action?referenceIds={SkuId}'
? ? res=sess.get(url)
? ? try:
? ? ? ? res.encoding=res.apparent_encoding
? ? ? ? json_data=json.loads(res.text) ?# json格式轉(zhuǎn)為字典
? ? ? ? num=json_data['CommentsCount'][0]['CommentCount']
? ? ? ? return num
? ? except:
? ? ? ? return 'Error'
?
# 獲取單個(gè)評(píng)論
def getComments_one(sess,SkuId,url2):
? ? global comments_num
? ? res2 = sess.get(url2)
? ? res2.encoding=res2.apparent_encoding
? ? json_data=res2.text
? ? '''
? ? # 如果用url2_2需要進(jìn)行如下操作提取json
? ? start = res2.text.find('jQuery9287224(') + len('jQuery9287224(')
? ? end = res2.text.find(');')
? ? json_data=res2.text[start:end]
? ? '''
? ? dict_data = json.loads(json_data)
? ? comments=dict_data['comments']
? ? for item in comments:
? ? ? ? comment=item['content'].replace('\n','')
? ? ? ? # print(comment)
? ? ? ? comments_num+=1
? ? ? ? try:
? ? ? ? ? ? IntoComments(SkuId,comment)
? ? ? ? except Exception as e:
? ? ? ? ? ? print(e)
? ? ? ? ? ? print("rollback！")
? ? ? ? ? ? sess_db.rollback()
?
# 商品信息入庫(kù)
def IntoGoods(SkuId,title, price, shop, link, comments_num):
? ? goods_data=Goods(
? ? ? ? sku_id=SkuId,
? ? ? ? name=title,
? ? ? ? price=price,
? ? ? ? comments_num=comments_num,
? ? ? ? shop=shop,
? ? ? ? link=link
? ? )
? ? sess_db.add(goods_data)
? ? sess_db.commit()
?
# 評(píng)論入庫(kù)
def IntoComments(SkuId,comment):
? ? comments_data=Comments(
? ? ? ? sku_id=SkuId,
? ? ? ? comments=comment
? ? )
? ? sess_db.add(comments_data)
? ? sess_db.commit()
?
if __name__ == '__main__':
? ? start_time=time.time()
? ? urls=[]
? ? KEYWORD=parse.quote(input("請(qǐng)輸入要查詢的關(guān)鍵詞："))
? ? for i in range(1,2): ? ?# 爬取一頁(yè)進(jìn)行測(cè)試
? ? ? ? url=f'https://search.jd.com/Search?keyword={KEYWORD}&wq={KEYWORD}&page={i}'
? ? ? ? urls.append(([url,],None)) ?# threadpool要求必須這樣寫
? ? pool=threadpool.ThreadPool(2) ?# 2個(gè)線程的線程池
? ? reque=threadpool.makeRequests(getIndex,urls) ? ?# 創(chuàng)建任務(wù)
? ? for r in reque:
? ? ? ? pool.putRequest(r) ?# 向線程池提交任務(wù)
? ? pool.wait() # 等待所有任務(wù)執(zhí)行完畢
? ? print("共獲取{}件商品，獲得{}條評(píng)論，耗時(shí){}".format(num,comments_num,time.time()-start_time))總結(jié)：
京東的反爬有點(diǎn)強(qiáng)，如果不想爬取到空白頁(yè)，只能用單線程加延時(shí)一條一條的爬
到此這篇關(guān)于Python爬取京東商品信息評(píng)論存并進(jìn)MySQL的文章就介紹到這了,更多相關(guān)Python爬取信息存進(jìn)MySQL內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:
- Python3爬蟲學(xué)習(xí)之MySQL數(shù)據(jù)庫(kù)存儲(chǔ)爬取的信息詳解
- Python爬蟲爬取全球疫情數(shù)據(jù)并存儲(chǔ)到mysql數(shù)據(jù)庫(kù)的步驟
- Python爬取騰訊疫情實(shí)時(shí)數(shù)據(jù)并存儲(chǔ)到mysql數(shù)據(jù)庫(kù)的示例代碼
- python+selenium爬取微博熱搜存入Mysql的實(shí)現(xiàn)方法
- Python如何爬取51cto數(shù)據(jù)并存入MySQL
- python 爬取古詩(shī)文存入mysql數(shù)據(jù)庫(kù)的方法
- python3爬取數(shù)據(jù)至mysql的方法
- Python爬取數(shù)據(jù)并寫入MySQL數(shù)據(jù)庫(kù)的實(shí)例
- Python3實(shí)現(xiàn)的爬蟲爬取數(shù)據(jù)并存入mysql數(shù)據(jù)庫(kù)操作示例
- python Selenium爬取內(nèi)容并存儲(chǔ)至MySQL數(shù)據(jù)庫(kù)的實(shí)現(xiàn)代碼
相關(guān)文章
使用pyqt5搭建yolo3目標(biāo)識(shí)別界面的方法
這篇文章主要介紹了使用pyqt5搭建yolo3目標(biāo)識(shí)別界面的方法，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2021-03-03
python人工智能算法之人工神經(jīng)網(wǎng)絡(luò)
這篇文章主要為大家介紹了python人工智能算法之人工神經(jīng)網(wǎng)絡(luò)示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2023-03-03
在本篇文章里小編給大家整理了關(guān)于Flask中sqlalchemy模塊的實(shí)例用法，需要的朋友們可以學(xué)習(xí)下。2020-08-08
Python 獲取指定文件夾下的目錄和文件的實(shí)現(xiàn)
這篇文章主要介紹了Python 獲取指定文件夾下的目錄和文件的實(shí)現(xiàn)，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2019-08-08
這篇文章主要介紹了如何使用python切換hosts文件,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-04-04
Python3中_(下劃線)和__(雙下劃線)的用途和區(qū)別
經(jīng)常會(huì)看到以下劃線或者雙下劃線開頭的方法或者屬性，到底它們有什么作用，又有什么樣的區(qū)別呢？今天我們來(lái)總結(jié)一下，感興趣的小伙伴們可以參考一下2019-04-04
Python序列化與反序列化相關(guān)知識(shí)總結(jié)
今天給大家?guī)?lái)關(guān)于python的相關(guān)知識(shí),文章圍繞著Python序列化與反序列展開,文中有非常詳細(xì)的介紹,需要的朋友可以參考下2021-06-06
python實(shí)現(xiàn)的多任務(wù)版udp聊天器功能案例
這篇文章主要介紹了python實(shí)現(xiàn)的多任務(wù)版udp聊天器功能,結(jié)合具體案例形式分析了Python基于udp的聊天器功能相關(guān)實(shí)現(xiàn)與使用技巧,需要的朋友可以參考下2019-11-11
anaconda?部署Jupyter?Notebook服務(wù)器過(guò)程詳解
這篇文章主要為大家介紹了anaconda?部署Jupyter?Notebook服務(wù)器過(guò)程詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2022-09-09
這篇文章主要為大家詳細(xì)介紹了python程序封裝為win32服務(wù)的方法，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2018-11-11