python爬虫爬取腾讯新闻评论

Question

python小白一枚，刚开始学爬虫，遇到一个动态网页爬取问题，请教各位大神。
需要爬取http://view.news.qq.com/original/intouchtoday/n4083.html
这篇新闻的评论内容，

但是在找到了目标request url：
http://coral.qq.com/article/2243032968/comment?commentid=0&reqnum=10&tag=&ca，llback=mainComment&_=1511408574390
，不知道怎么提取里面的评论内容，且里面的内容类似于\u***这样的乱码

Answer 1

需要先把内容的mainComment()去掉，它里面是一个json，然后就可以处理，\u是表示unicode的字符。

In [24]: sess = requests.Session()
In [24]: sess.headers.update({'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Geck
    ...: o) Chrome/49.0.2623.221 Safari/537.36 SE 2.X MetaSr 1.0'})
In [24]: res = sess.get("http://coral.qq.com/article/2243032968/comment?commentid=0&reqnum=10&tag=&callback=mainCommen
    ...: t&_=1511408574390")
 g = re.match("mainComment\\((.+)\\)", res.text)
 In [24]: out = json.loads(g.group(1))
 In [23]: print(out["data"]["commentid"][0]["content"])
方便面可以吃不放调料，自己煮，自己搭配

Answer 2

把这个接口拿到的数据转换成json对象就行了

类似于

 \u***

这样的数据是Unicode编码的字符串

转码一下就好了

Answer 3

你可以先找一个简单一点的现成的小demo