写点什么

python 采集评论区内容

作者:BROKEN
  • 2023-05-02
    安徽
  • 本文字数:1402 字

    阅读完需:约 5 分钟

python采集评论区内容

前言

我们知道在这个互联网时代,评论已经在我们的生活到处可见,评论区里面的信息是一个非常有趣和有争议的地方。我们今天,就来获取某技术平台的评论,和大家分享一下,我获取数据的过程,也是一个尝试的过程。

发送请求

我们首先,确定我们要获取哪一个文章下面的评论区。我们先使用开发者工具,定位到我们要的数据。



我们通过数据抓取,我们发现,这个平台的评论区数据,放在了一个叫getlist数据包里面了。



我们就不难明白,我们只要请求这个url,在传一个关于文章的参数,我们就能获取到我们想要的数据。而且,我们发现,这个是 post 请求。我们先按正常思路写代码。


import requests
url = 'https://xie.infoq.cn/public/v1/comment/getList'
headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/111.0.0.0 Safari/537.36',}res = requests.post(url,headers=headers)
print(res)
复制代码


我们发现返回了一个<Response [451]>的值,我们可能就是少穿了参数,我们接下来,把参数加上试试。


data = {    'id': "594899140323389440",    'score': '1682043841339',# 1681968121323    'size': '100',}
复制代码


我们发现还是不行,所以,我们想到了,这个要加一个防盗链。我们把相应的参数传进去,我们再来看看效果。


headers ={    'Host': 'xie.infoq.cn',    'Origin': 'https://xie.infoq.cn',    'Referer': 'https://xie.infoq.cn/article/a5f16dffb45139cba72691c29',    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/111.0.0.0 Safari/537.36',}res = requests.post(url,data = data,headers=headers)
复制代码


我们发现虽然返回了<Response [200]>,但是,我们还是拿不到数据,我们看看服务器给我们返回了什么样子的数值。


{"code":-1,"data":{},"error":{"code":-2005,"msg":"ID不能为空"},"extra":{"cost":0.000170465,"request-id":"7c1dc236c95aceb9e56da271b056be88@2@infoq"}}
复制代码


它提示我们"msg":"ID不能为空",说明我们 data 传入传错了。


不难看出,就是我们的文章 id 没有传进去,可能是我们传递的参数方式错了,我们这里要注意,要用json格式传参。正确的请求方式如下:


res = requests.post(url,json = data,headers=headers)
复制代码


我们发现,就可以获取到了数据,在这个过程,我们不断的尝试,最后,也拿到了我们想要的数据,我们会不会有一些成就感。我们看看获取到了什么样子的数据吧。



拿到了,这样的数据,大家就不难拿到我们要的数据,直接字典取值就好了,今天,我们用了大篇幅的段落,来解释我们是如何获取数据的。

解析数据

我们接下来就可以解析数据了,代码很简单。我这里直接获取评论了,不获取评论者了,原理是一样的,大家感兴趣的可以自己去试试。


datas = res.json()['data']['list']
for contents in datas: content = contents['content'] print(content)
复制代码


这段代码将从 res.json()['data']['list'] 中获取数据,并将其存储在 datas 变量中。然后,它使用一个 for 循环遍历 datas 中的每个元素,并将每个元素的 content 属性存储在 content 变量中。最后,它打印出每个元素的 content 属性。


我们直接看效果,这个很简单的。


总结

今天,我们用了大篇幅的段落,来解释我们是如何获取了某技术平台的评论,没有什么是一次成功的,都是不断尝试的过程。人生何尝不是如此。

发布于: 刚刚阅读数: 2
用户头像

BROKEN

关注

还未添加个人签名 2022-08-02 加入

还未添加个人简介

评论

发布
暂无评论
python采集评论区内容_三周年连更_BROKEN_InfoQ写作社区