【原】分享一份抓取某东商品名称、价格和评论数的代码

今

日

鸡

汤

芳草已云暮，故人殊未来。

大家好，我是皮皮。

一、前言

前几天在Python白银交流群【邮递员】问了一个Python网络爬虫的问题，提问截图如下：

代码如下：

import requests
from lxml import etree
import json

headers = {
    "user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/104.0.5112.102 Safari/537.36 Edg/104.0.1293.70"
}


###根据商品id获取评论数
def commentcount(product_id):
    url = 'https://club.jd.com/comment/productCommentSummaries.action?referenceIds=' + str(
        product_id) + '&callback=jQuery5774279&_=1661908123160'
    res = requests.get(url, headers=headers)
    res.encoding = 'gbk'
    text = (res.text).replace('jQuery5774279(', '').replace(");", "")
    text = json.loads(text)
    comment_count = text['CommentsCount'][0]['CommentCountStr']
    print(comment_count)

    comment_count = comment_count.replace('+', '')
    ###对“万”进行操作
    if '万' in text:
        comment_count = comment_count.replace('万', '')
        comment_count = str(int(comment_count) * 10000)

    return comment_count


commentcount('13865278250')


###获取每一页的商品数据
def getlist():
    url = 'https://search.jd.com/search?keyword=%E7%94%B5%E8%84%91%E7%AC%94%E8%AE%B0%E6%9C%AC&suggest=1'
    res = requests.get(url, headers=headers)
    res.encoding = 'utf-8'
    text = res.text

    selector = etree.HTML(text)
    list = selector.xpath('//*[@id="J_goodsList"]/ul/li')

    for i in list:
        title = i.xpath('.//div[@class="p-name p-name-type-2"]/a/em/text()')[0]
        price = i.xpath('.//div[@class="p-price"]/strong/i/text()')[0]
        product_id = i.xpath('.//div[@class="p-commit"]/strong/a/@id')[0].replace("j_comment_", "")

        comment_count = commentcount(product_id)
        print(title)
        print(price)
        print(comment_count)
        print(list)


getlist()

二、实现过程

这里【瑜亮老师】给他指出了问题，如下图所示：

只需要改一个字母就可以了。

运行结果正常：

后来【甯同学】也给了一个代码，还可以自动存储到Excel中去，代码如下所示：

import requests
import openpyxl
from lxml import etree
import json
import pandas as pd

headers = {
    "user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/104.0.5112.102 Safari/537.36 Edg/104.0.1293.70"
}
outwb = openpyxl.Workbook()
outws = outwb.create_sheet(index=0)
outws.append(['行号', '标题', '价格', '评论数'])


# 根据商品id获取评论数
def commentcount(product_id):
    url = 'https://club.jd.com/comment/productCommentSummaries.action?referenceIds=' + str(product_id)
    res = requests.get(url, headers=headers)
    res.encoding = 'gbk'
    text = res.text
    text = json.loads(text)
    comment_count = text['CommentsCount'][0].get('CommentCountStr')
    comment_count = comment_count.replace('+', '').replace('万', '')
    comment_count = str(int(comment_count) * 10000)
    return comment_count


commentcount('13865278250')


# 获取每一页的商品数据
def getlist():
    number = 0
    for page in range(1, 10, 2):
        print(f'正在抓取第{page}页...')
        url = f'https://search.jd.com/search?keyword=%E7%94%B5%E8%84%91%E7%AC%94%E8%AE%B0%E6%9C%AC&suggest=1&page={page}'
        res = requests.get(url, headers=headers)
        res.encoding = 'utf-8'
        text = res.text
        selector = etree.HTML(text)
        list = selector.xpath('//*[@id="J_goodsList"]/ul/li')
        print(f'这一页一共有{len(list)}条数据')
        for i in list:
            number += 1
            title = i.xpath('.//div[@class="p-name p-name-type-2"]/a/em/text()')[0].strip()
            price = i.xpath('.//div[@class="p-price"]/strong/i/text()')[0]
            product_id = i.xpath('.//div[@class="p-commit"]/strong/a/@id')[0].replace("J_comment_", "")
            comment_count = commentcount(product_id)
            info_list = [number, title, float(price), comment_count]
            print(info_list)
            outws.append(info_list)


if __name__ == '__main__':
    getlist()
    outwb.save("京东商品.xlsx")

代码运行之后，在本地可以得到结果，如下如所示：

三、总结

大家好，我是皮皮。这篇文章主要盘点了一个Python网络爬虫的问题，实现了某东商品信息的网络爬虫抓取，文中针对该问题给出了具体的解析和代码实现，帮助粉丝顺利解决了问题。

最后感谢粉丝【邮递员】提问，感谢【甯同学】、【瑜亮老师】给出的思路和代码解析，感谢【dcpeng】、【冫马讠成】、【此类生物】等人参与学习交流。

PythonPython学习交流群！

有遇到任何问题，欢迎加我好友，我拉你进Python学习交流群共同探讨学习。

------------------- End -------------------