京東商品評論太多帶你一鍵爬取京東商品評論

京東商品評論太多（帶你一鍵爬取京東商品評論）

一、項目說明

1.項目背景

一天，一朋友扔給我一個鏈接s://item.jd.com/.html，讓我看看這個歌商品的所有評論怎么抓取，我打開一看，好家伙，竟然有近300萬條評論，不是一個小數目啊。

京東某商品評論

但是仔細一看，原來有234萬+的評論是默認好評，還是有少部分是有價值的評價的。

經過進一步觀察，可以看到

商品評論翻頁

顯然，網頁中顯示的只有100頁數據，每頁顯示10條，通?？梢杂胹elenium點擊每一頁然后獲取，但是這樣效率是不是太低了呢？還是直接用requests來得更直接，很多情況下網頁顯示的數據是請求得到的JSON數據在網頁上渲染而顯示出來的，京東的評論會不會也是這樣呢？好，說干就干?。?！

2.項目環境

這個小項目使用Python爬取，不需要太多的配置，只需要安裝requests庫就足夠，我相信對于很多玩爬蟲的小伙伴來說這個庫肯定是必備的，沒裝requests不要告訴我你會爬蟲。

二、項目實施

1.項目分析

上面說到，網頁中的數據很多都是通過渲染請求到的JSON數據得到的，那么我們就來看看京東是不是也是這樣的。利用瀏覽器的審計工具，選擇Network欄，可以看到

商品評論總體概況

仔細查看，尋找鏈接中于評論（comment）有關的鏈接，可以找到其中的一個請求鏈接s://club.jd.com/comment/productCommentSummaries.action?referenceIds=&callback=jQuery1951081&_=，如上圖。這是關于該商品評論的整體情況的，可以看到具體的總評論數、默認好評數、好評數、好評率等，雖然不是我們想要的，但是也近了一步，繼續尋找，又找到了一條帶comment字眼的鏈接s://club.jd.com/comment/productPageComments.action?callback=fetchJSON_comment98&productId=&score=0&sortType=5&page=0&pageSize=10&isShadowSku=0&fold=1，如圖

評論詳情概覽

后邊有10條評論，應該就是該商品對應的第一頁評論了，點開查看，如下：

評論數據詳情

對比網頁中顯示的評論可以看到，這就就是我們要找的東西。

由于得到的數據不是標準格式的JSON，所以我選擇使用正則表達式來獲取相關的內容。

現在還有一個問題，我們只獲得了1頁評論，那怎么獲取所有的評論呢？會不會秘密隱藏在鏈接中呢？

對于鏈接s://club.jd.com/comment/productPageComments.action?callback=fetchJSON_comment98&productId=&score=0&sortType=5&page=0&pageSize=10&isShadowSku=0&fold=1，顯然有很多參數，不難找到，有參數productId和page，假如猜得不錯，應該是商品id和評論頁數（從0開始），這時，換一個商品id，那么商品id怎么獲得呢？舉個例子，在鏈接s://item.jd.com/.html中，商品id就是。另找一個商品，將其商品id替換掉評論鏈接中的productId，獲得的正是該商品的第一頁評論?，F在嘗試翻頁，逐漸增大page參數的值，如1、2、3…，也能獲取到對應頁的評論數據。

現在分析工作已經做的差不多了，可以開始碼代碼了。

2.代碼實現

導入模塊和定義常量

import?reimport?timeimport?csvimport?osimport?requestsimport?html#?設置請求頭headers?=?{'cookie':?'shshshfp=22ddd21be92463ffa35684d;?shshshfpa=ab283f84-c40f-9710-db89-84a8d3366a81-;?__jda=.....1;?__jdv=|direct|-|none|-|;?__jdc=;?shshshfpb=bUe7tI9%2FOOaJKd7vP0EtSOg%3D%3D;?__jdu=;?areaId=22;?ipLoc-djd=22-1977-1980-0;?3AB9D23F7A4B3C9B=7XEQD4BFTGEH44EK7LN7HLFCHJW6W2NS5VJOQOCHABZVI7LXJJIW3K2IX5MTPZ4TBERBLY6TRQR5CA3S3IYVLQ2JGI;?jwotest_product=99;?shshshsID=a7457cee6a4a9fa285fe2cff44c6bd17_4_;?__jdb=.4.|1.;?JSESSIONID=8C21549A613B83F0CB86EF1F38FD63D3.s1','sec-fetch-dest':?'document','sec-fetch-mode':?'navigate','sec-fetch-site':?'none','sec-fetch-user':?'?1','upgrade-insecure-requests':?'1','User-Agent':?'Mozilla/5.0?(Windows?NT?10.0;?Win64;?x64)?AppleWebKit/537.36?(KHTML,?like?Gecko)?Chrome/80.0.3987.162?Safari/537.36'}

導入需要使用到的模塊，并且定義請求頭用于請求，減少被反爬的概率。