python爬取京东评论分析_Python爬取京东商品评价(动态网页的爬取)
首先打开京东的任意几个商品页面，并观察URL，可以发现都是https://item.jd.com/+数字+.htm的格式，而且数字也随着商品的改变而改变，基本上可以确定这串数字是商品ID
之后我们找到网页的源码并随便复制一句评论，在网页源码中查找，发现并没有找到评论内容，说明jd的评论页面并非静态网页
ＡＪＡＸ：AJAX的全称是Asynchronous JavaScript and XML(异步的 JavaScript 和 XML)。ajax不是新的编程语言，而是一种使用现有标准的新方法。ajax是与服务器交换数据并更新部分网页的艺术，在不重新加载整个页面的情况下。ajax是一种在无需重新加载整个网页的情况下，能够更新部分网页的技术。ajax是一种用于创建快速动态网页的技术。通过在后台与服务器进行少量数据交换。ajax可以使网页实现异步更新。这意味着可以在不重新加载整个网页的情况下，对网页的某部分进行更新。而传统的网页(不使用ajax)如果需要更新内容，必须重载整个网页面。
既然确定是AJAX的方式加载，我们可以直接打开chrome的调试工具，在network中的XHR和JS中寻找保存有评论的文件。注意这里必须先下拉到评论页面使数据文件加载下来，否则会找不到加载的数据文件
我们可以通过两种方式来查找包含评论的文件：１.可以在ｊｓ和ＸＨＲ中寻找ｃｏｍｍｅｎｔ关键字，查看是否有文件符合要求，并对符合要求的结果筛选２.评论在页面的最下方，根据文件的加载顺序可以大致了解到会在后面，从后面开始找即可
最终确定ｊｓ文件，如下图所示
这样我们就可以确定评论的请求地址并开始抓取
import requests
import json
url='https://item.jd.com/52297931949.html'
html=requests.get(jsonurl).text
#print(html)
josntext=json.loads(html)
comments= josntext['comments']
for comment in comments:
content = comment['content']
print(content)
这里需要注意一下原始的jsonurl得到的文件并不是标准的json文件格式，我们可以将得到的文本内容复制到https://www.json.cn发现这并不是一个标准的josn文件，所以直接loads()会直接报错：json.decoder.JSONDecodeError: Expecting value: line 1 column 1 (char 0)，只要返回的对象不是josn对象就会出现此错误解决的方法有两个，一是将URL中的?callback=fetchJSON_comment98去除，另外一种方法是将返回的文本对象中的fetchJSON_comment98替换为空
得到所需要的json文件后就可以将数据存到sqllite中了sqllite是python内置的关系型数据库，具有以下优点：
不需要一个单独的服务器进程或操作的系统(无服务器的)。
SQLite不需要配置，这意味着不需要安装或管理。
一个完整的SQLite数据库是存储在一个单一的跨平台的磁盘文件。
SQLite是非常小的，是轻量级的，完全配置时小于 400KiB，省略可选功能配置时小于250KiB。
SQLite是自给自足的，这意味着不需要任何外部的依赖。
SQLite事务是完全兼容 ACID 的，允许从多个进程或线程安全访问。
SQLite支持 SQL92(SQL2)标准的大多数查询语言的功能。
SQLite使用 ANSI-C 编写的，并提供了简单和易于使用的 API。
SQLite 在 UNIX(Linux, Mac OS-X, Android,iOS)和 Windows(Win32, WinCE,WinRT)中运行。
python操作SQLite流程与连接其他的数据库相同，大概分为以下五步
通过sqlite3.open()创建与数据库文件的连接对象connection；
通过connection.cursor()创建光标对象cursor；
通过cursor.execute()执行SQL语句；
通过connection.commit()提交当前的事务，或者通过cursor.fetchall()获得查询结果；
通过connection.close()关闭与数据库文件的连接
这一部分代码如下所示
conn=sqlite3.connect("comments.db")#建立连接，数据库存在时，直接连接；不存在时，创建相应数据库
#新建一张表
conn.execute('''CREATE TABLE Comments_jd
(ID text PRIMARY KEY NOT NULL,
comment text );''')
#注意sql语句中使用了格式化输出的占位符%s和%d来表示将要插入的变量，其中%s需要加引号''
for comment in comments:
sql = "insert into Comments_jd(ID,comment) values('%s','%s')" % (comment['id'],comment['content'])
conn.execute(sql)conn.commit()
关闭数据库连接
conn.close()
之后检查以下数据是否有问题：
conn=sqlite3.connect("comments.db")
cursor = conn.execute("select * from Comments_jd")
for row in cursor:
print('ID = ', row[0], ' Comment = ', row[1])
conn.close()
得到的结果如下图所示
image.png
这样整个流程就搞定了
最终的代码如下：
import requests
import json
import sqlite3
def get_comments(good_id):
#good_url_template = 'https://item.jd.com/{}.html'.format(good_id)
jsonurl='https://club.jd.com/comment/productPageComments.action?productId={}&score=0&sortType=5&page=0&pageSize=10&isShadowSku=0&fold=1'.format(good_id)
html=requests.get(jsonurl).text
return html
def data_stored(html):
conn = sqlite3.connect("comments.db") # 建立连接，数据库存在时，直接连接；不存在时，创建相应数据库
新建一张表
conn.execute('''CREATE TABLE Comments_jd
(ID text PRIMARY KEY NOT NULL,
comment text );''')
josntext=json.loads(html)
comments= josntext['comments']
#注意sql语句中使用了格式化输出的占位符%s和%d来表示将要插入的变量，其中%s需要加引号''
for comment in comments:
sql = "insert into Comments_jd(ID,comment) values('%s','%s')" % (comment['id'],comment['content'])
conn.execute(sql)
conn.commit()
关闭数据库连接
conn.close()
if name == 'main':
html=get_comments(str(52297931949))
data_stored(html)
全部代码已上传至https://github.com/smilecoc/jd_comments_spider
后续准备对获取的数据进行进一步的分析