大众点评评论抓取

一、背景

大众点评评论部分还是值得我们关注的,因为我们上点评网看的也就是评论,通过评论抓取分析,也有利于我们对店铺有更加清晰的定位

二、 抓取分析

商铺列表页

首先通过店铺列表页可以得到各家店铺的URL列表,或者店铺的ID,因为店铺详情页就是通过店铺ID做的相应拼接。如:http://www.dianping.com/shop/2972056/review_all/p; 第一个关键字就是店铺ID,第二个关键字为评论详情页,第三个P则为翻页。

评论详情页

详情页我们抓取了用户名称,用户url链接,以及用户对店铺做的一些相应评价。

三、 数据抓取

#!/usr/bin/env python

# encoding: utf-8

"""

@version: v1.0

@author: W_H_J

@license: Apache Licence

@contact: 415900617@qq.com

@site:

@software: PyCharm

@file: dazhongdianpin.py

@time: 2018/8/1 10:32

@describe: 抓取大众点评评论信息"""

import csv

import requests

from pyqueryimport PyQueryas pq

headers = {

'Host':'www.dianping.com',

    'User-Agent':'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_10_1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.95 Safari/535.19',

    'Accept-Encoding':'gzip',

}

def spiderDazhong(ID):

try:

html = requests.get("http://www.dianping.com/shop/%s/review_all"%(ID), headers=headers)

doc = pq(html.text)

if doc:

# 存入csv文件

            out =open('./data/Stu_csv.csv', 'a', newline='',encoding="utf-8")

# 设定写入模式

            csv_write = csv.writer(out, dialect='excel')

shopName = doc("div.review-list-header > h1 > a").text()

shopurl ="http://www.dianping.com"+doc("div.review-list-header > h1 > a").attr("href")

csv_write.writerow(["店铺名称","店铺网址"])

csv_write.writerow([shopName,shopurl])

csv_write.writerow(["用户名", "用户ID链接", "评定星级", "评论描述", "评论详情", "评论时间", "评论商铺", "评论图片"])

# 解析评论

            pinglunLi = doc("div.reviews-items > ul > li").items()

for datain pinglunLi:

userName = data("div.main-review > div.dper-info > a").text()

userID ="http://www.dianping.com"+data("div.main-review > div.dper-info > a").attr("href")

startShop =str(data("div.review-rank > span").attr("class")).split(" ")[1].replace("sml-str","")

describeShop = data("div.review-rank > span.score").text()

pinglunShop = data("div > div.review-words").text().replace("收起评论","").replace(" ","").replace("\n","")

timeShop = data("div.main-review > div.misc-info.clearfix > span.time").text()

Shop = data("div.main-review > div.misc-info.clearfix > span.shop").text()

imgShop = data("div > div.review-pictures > ul > li> a").items()

imgList = []

for imgin imgShop:

imgList.append("http://www.dianping.com"+img.attr("href"))

# 写入具体内容

                csv_write.writerow([userName,userID,startShop,describeShop,pinglunShop,timeShop,Shop,imgList])

print("successful insert csv!")

except Exception as e:

print("error",str(e))

if __name__ =='__main__':

# 代表各大商铺ID,可通过商铺列表页回去

    listShop = ["2972056", "91018291","69952338"]

for shopin listShop:

spiderDazhong(shop)

四、 完整代码

完整代码可见github:https://github.com/Liangchengdeye/DaZhongdianping.git

©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

推荐阅读更多精彩内容