1.分析美團美食網頁的url參數構成

1）搜索要點

美團美食，地址：北京，搜索關鍵詞：火鍋

2）爬取的url

https://bj.meituan.com/s/%E7%81%AB%E9%94%85/

3）說明

url會有自動編碼中文功能。所以火鍋二字指的就是這一串我們不認識的代碼%E7%81%AB%E9%94%85。

通過關鍵詞城市的url構造，解析當前url中的bj=北京，/s/后面跟搜索關鍵詞。

這樣我們就可以了解到當前url的構造。

2.分析頁面數據來源(F12開發者工具)

開啟F12開發者工具，并且刷新當前頁面：可以看到切換到第二頁時候，我們的url沒有變化，網站也沒有自動進行刷新跳轉操作。(web中ajax技術就是在保證頁面不刷新，url不變化情況下進行數據加載的技術)

此時我們需要在開發者工具中，找到xhr里面對應當前數據的響應文件。

分析到這里可以得知：我們的數據是以json格式交互。分析第二頁的json文件請求地址與第三頁json文件的請求地址。

第二頁：https://apimobile.meituan.com/group/v4/poi/pcsearch/1?uuid=xxx&userid=-1&limit=32&offset=32&cateId=-1&q=%E7%81%AB%E9%94%85

第三頁：https://apimobile.meituan.com/group/v4/poi/pcsearch/1?uuid=xxx&userid=-1&limit=32&offset=64&cateId=-1&q=%E7%81%AB%E9%94%85

對比發現：offse參數每次翻頁增加32，并且limit參數是一次請求的數據量，offse是數據請求的開始元素，q是搜索關鍵詞poi/pcsearch/1？其中的1是北京城市的id編號。

3.構造請求抓取美團美食數據

接下來直接構造請求，循環訪問每一頁的數據，最終代碼如下。

import requestsimport redef start(): for w in range(0, 1600, 32): #頁碼根據實際情況x32即可，我這里是設置50頁為上限，為了避免設置頁碼過高或者數據過少情況，定義最大上限為1600-也就是50頁，使用try-except來檢測時候異常，異常跳過該頁，一般作為無數據跳過該頁處理 try: # 注意uuid后面參數空余將uuid后xxx替換為自己的uuid參數 url = ’https://apimobile.meituan.com/group/v4/poi/pcsearch/1?uuid=xxx&userid=-1&limit=32&offset=’+str(w)+’&cateId=-1&q=%E7%81%AB%E9%94%85’ #headers的數據可以在F12開發者工具下面的requests_headers中查看，需要實現選擇如下headers信息 #必要情況 請求頻繁 建議增加cookie參數在headers內 headers = {’Accept’: ’*/*’,’Accept-Encoding’: ’gzip, deflate, br’,’Accept-Language’: ’zh-CN,zh;q=0.9’,’Connection’: ’keep-alive’,’User-Agent’: ’Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.25 Safari/537.36 Core/1.70.3741.400 QQBrowser/10.5.3863.400’,’Host’: ’apimobile.meituan.com’,’Origin’: ’https://bj.meituan.com’,’Referer’: ’https://bj.meituan.com/s/%E7%81%AB%E9%94%85/’ } response = requests.get(url, headers=headers) #正則獲取當前響應內容中的數據，因json方法無法針對店鋪特有的title鍵值進行獲取沒所以采用正則 titles = re.findall(’','title':'(.*?)','address':'’, response.text) addresses = re.findall(’,'address':'(.*?)',’, response.text) avgprices = re.findall(’,'avgprice':(.*?),’, response.text) avgscores = re.findall(’,'avgscore':(.*?),’,response.text) comments = re.findall(’,'comments':(.*?),’,response.text) #輸出當前返回數據的長度 是否為32 print(len(titles), len(addresses), len(avgprices), len(avgscores), len(comments)) for o in range(len(titles)): #循環遍歷每一個值 寫入文件中 title = titles[o] address = addresses[o] avgprice = avgprices[o] avgscore = avgscores[o] comment = comments[o] #寫入本地文件 file_data(title, address, avgprice, avgscore, comment)#文件寫入方法def file_data(title, address, avgprice, avgscore, comment): data = {’店鋪名稱’: title,’店鋪地址’: address,’平均消費價格’: avgprice,’店鋪評分’: avgscore,’評價人數’: comment } with open(’美團美食.txt’, ’a’, encoding=’utf-8’)as fb: fb.write(json.dumps(data, ensure_ascii=False) + ’n’) #ensure_ascii=False必須加因為json.dumps方法不關閉轉碼會導致出現亂碼情況if __name__ == ’__main__’: start()

運行結果如下：

本地文件：

4.總結

根據搜索詞變化，城市變化，可以改變url中指定的參數來實現。同時也要記得變更headers中的指定參數，方法簡單，多加練習即可熟悉ajax類型的數據抓取。

以上就是Python爬蟲實例——爬取美團美食數據的詳細內容，更多關于Python爬蟲爬取美食數據的資料請關注好吧啦網其它相關文章！