Scrapy+Redis+Mongodb爬取JD的商品評論

整體思路:

先抓取某一類商品的所有的商品ID,存入Redis

從Redis取出商品ID,然后爬取此商品所有評論,存入Mongodb。

分析頁面

商品ID列表

打開筆記本電腦的分類:http://list.jd.com/list.html?cat=670,671,6722,其中url里面的cat=670,671,672就是商品類別,然后頁面上的每一個筆記本電腦都會鏈接到它自己的詳情頁面:http://item.jd.com/1592705.html,url中的1466274就是商品ID,打開詳情頁面以后,確認這個數字就是商品ID了。


所以,想要獲取某一類別的所有商品ID,只需要通過商品列表頁面,就可以把一頁的商品ID取出來。然后,再翻頁,直到沒有新的商品ID出現。或者通過頁面中的最大頁數來判斷。

找到了數據的位置以后,就是如何把它們提取出來了。

提取數據

粘貼的圖像802x427 224 KB

商品的ID,可以看到,是在div下面的data-sku屬性`。所以可以通過正則,來把整頁的商品ID取出來。

data-sku="(\d+)"

用同樣的方法,可以看到最大頁數的地方是這樣的:

1/208

所以繼續用正則(這個地方用XPATH感覺更好),來將其中的208取出來

fp-text.+?(\d+)

某個商品的評論信息

點進一個商品詳情,隨便選取一段評論,在網頁的源碼中無法查到,說明評論數據是之后加載的。打開開發者工具中的Network頁面,點擊下一頁的評論,可以看到如下:

粘貼的圖像1398x465 237 KB

其中被我選中的這個請求,就是獲得這個商品評論的方式。也就是:http://s.club.jd.com/productpage/p-[skuid]-s-0-t-0-p-[page].html。

第一次嘗試

上述內容中,已經知道了如何獲得某一類商品的ID,以及知道如何獲得商品的評論數據了。所以,就可以開始最基本的爬蟲的編寫了。但是編寫前,有一個事情需要確定,那就是京東的**反爬蟲**機制。所以,寫了兩個簡單的腳本,來獲取相應的數據。

獲取商品列表的代碼


最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 228,702評論 6 534
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 98,615評論 3 419
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 176,606評論 0 376
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 63,044評論 1 314
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 71,826評論 6 410
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 55,227評論 1 324
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,307評論 3 442
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 42,447評論 0 289
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 48,992評論 1 335
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 40,807評論 3 355
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 43,001評論 1 370
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,550評論 5 361
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,243評論 3 347
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,667評論 0 26
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 35,930評論 1 287
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 51,709評論 3 393
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 47,996評論 2 374

推薦閱讀更多精彩內容