溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
一、前提條件
聲明：本次爬取騰訊視頻里 《最美公里》紀錄片的評論。本次爬取使用的瀏覽器是谷歌瀏覽器
二、分析思路
1、分析評論頁面
根據上圖，我們可以知道：評論使用了Ajax異步刷新技術。這樣就不能使用以前分析當前頁面找出規律的手段了。因為展示的頁面只有部分評論，還有大量的評論沒有被刷新出來。
這時，我們應該想到使用抓包來分析評論頁面刷新的規律。以后大部分爬蟲，都會先使用抓包技術，分析出規律！
2、使用Fiddler進行抓包分析——得出評論網址規律
fiddler如何抓包，這個知識點，需要讀者自行去學習，不在本博客討論范圍。
把上面兩張圖里面的內容對比一下，可以知道這個JS就是評論存放頁面。（這需要大家一個一個找，一般Ajax都是在JS里面，所以這也找JS進行對比即可）
我們復制這個JS的url：右擊 > copy > Just Url
大家可以重復操作幾次，多找幾個JS的url，從url得出規律。下圖是我刷新了4次得到的JS的url：
根據上圖，我們發現url不同的地方有兩處：一是cursor=？；二是_=？。
我們很快就能發現 _=？的規律，它是從1576567187273加1。而cursor=？的規律看不出來。這個時候找到它的規律呢？
（1）百度一下，看前人有沒有爬取過類型的網站，根據他們的規律和方法，去找出規律；
（2）羊毛出在羊身上。我們需要有的大膽想法——會不會這個cursor=?可以根據上一個JS頁面得到呢？這只是很多大膽想法中的一個，我們就一個想法一個想法的試試。
我們就采用第二種方法，去js里面找。復制其中一個url為：
url = https://video.coral.qq.com/varticle/3242201702/comment/v2?callback=_varticle3242201702commentv2&orinum=10&oriorder=o&pageflag=1&cursor=6460163812968870071&scorecursor=0&orirepnum=2&reporder=o&reppageflag=1&source=132&_=1576567187273
去瀏覽器里面打開，在里面搜索一下此url的下一個url的cursor=？的值。我們發現一個驚喜！
如下：
一般情況下，我們還要多試幾次，確定我們的想法是正確的。
至此，我們發現了評論的url之間的規律：
三、代碼編寫
import re
import random
import urllib.request
#構建用戶代理
uapools=["Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.100 Safari/537.36",
"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36",
"Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:71.0) Gecko/20100101 Firefox/71.0",
]
#從用戶代理池隨機選取一個用戶代理
def ua(uapools):
thisua=random.choice(uapools)
#print(thisua)
headers=("User-Agent",thisua)
opener=urllib.request.build_opener()
opener.addheaders=[headers]
#設置為全局變量
urllib.request.install_opener(opener)
#獲取源碼
def get_content(page,lastId):
url="https://video.coral.qq.com/varticle/3242201702/comment/v2?callback=_varticle3242201702commentv2&orinum=10&oriorder=o&pageflag=1&cursor="+lastId+"&scorecursor=0&orirepnum=2&reporder=o&reppageflag=1&source=132&_="+str(page)
html=urllib.request.urlopen(url).read().decode("utf-8","ignore")
return html
#從源碼中獲取評論的數據
def get_comment(html):
pat='"content":"(.*?)"'
rst = re.compile(pat,re.S).findall(html)
return rst
#從源碼中獲取下一輪刷新頁的ID
def get_lastId(html):
pat='"last":"(.*?)"'
lastId = re.compile(pat,re.S).findall(html)[0]
return lastId
def main():
ua(uapools)
#初始頁面
page=1576567187274
#初始待刷新頁面ID
lastId="6460393679757345760"
for i in range(1,6):
html = get_content(page,lastId)
#獲取評論數據
commentlist=get_comment(html)
print("------第"+str(i)+"輪頁面評論------")
for j in range(1,len(commentlist)):
print("第"+str(j)+"條評論：" +str(commentlist[j]))
#獲取下一輪刷新頁ID
lastId=get_lastId(html)
page += 1
main()
四、結果展示
總結
以上所述是小編給大家介紹的Python爬取騰訊視頻評論，希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會及時回復大家的。在此也非常感謝大家對億速云網站的支持！
如果你覺得本文對你有幫助，歡迎轉載，煩請注明出處，謝謝！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
