这是我之前写的,你看一下
# coding=utf-8
import requests
import re
import io
import sys
reload(sys)
sys.setdefaultencoding('utf8')
temp='https://item.jd.com/100004325476.html'
headers = {
'User-Agent': 'Mozilla / 5.0(Windows NT 10.0;Win64;x64) AppleWebKit / 537.36(KHTML, likeGecko) Chrome / 89.0.4389.90Safari / 537.36'
# 请求的客户端信息
}
def url(temp):
jd_id=re.findall("\d+",temp)[0] # 提取商品id
# 替换京东商品js中一般的Request URL模板
l='https://club.jd.com/comment/productPageComments.action?productId=xxx&score=0&sortType=5&page={page_num}&pageSize=10&isShadowSku=1&rid=0&fold=1'
l=l.replace('xxx', jd_id) # 替换id
return l
def init():
# 实例化类的时候运行初始化函数
# 打开文件
file_name = 'jd_commet'
print '正在打开文件'+file_name+'txt文件!'
def parse_one_page(url,fp):
# 指定url
# url='https://club.jd.com/comment/productPageComments.action?productId=100017543968&score=0&sortType=6&page=1&pageSize=10&isShadowSku=100016034372&rid=0&fold=1'
# 发起请求
response = requests.get(url, headers=headers)
# 获取响应
js_data = response.json()
# 提取评论列表
comments_list = js_data['comments']
for comment in comments_list:
# 评论内容
content = comment.get('content')
content = ' '.join(content.split('\n')) # 处理换行符
print(content)
# 循环写出数据
fp.write(u'{}\n'.format(content))
fp.write(u"\n") # 写入一条数据后加一行空数据
def parse_max_page(l):
fp = io.open('E:/python/jd_commet.txt', 'w', encoding='utf_8_sig')
for page_num in range(10): # 抓包获得最大页数 最大50页,超出自动停止
# 指定通用的url模板
new_url=l.format(page_num=page_num) # 把字符串替换为变量
print '正在获取第'+str(page_num)+'页'
# 调用函数
parse_one_page(url=new_url, fp=fp)
fp.close()
def close_files():
print('爬虫结束,关闭文件!')
def run(temp):
init()
l = url(temp)
# 开始爬虫
parse_max_page(l=l)
# 关闭文件
close_files()
if __name__ == '__main__':
run(temp)