前言
嗨喽，大家好呀~这里是爱看美女的茜茜呐
又到了学Python时刻~
我又来了！今天整个好玩的，你们肯定喜欢~
咱们上班累了，不得好好犒劳一下自己，是吧 ！
于是我整了一手采集附近洗jio的店子，浴皇大帝们，冲鸭~
话不多说，冲！兄弟们，都是正规的 正规的！
使用环境
-
python 3.8 解释器
-
pycharm 编辑器
用的大多数的知识点 都是属于基础的知识点内容，以及pa chong基础入门一些知识点。
要用的模块
-
requests >>> pip install requests 第三方模块 需要大家去安装
-
csv
win + R 输入cmd 输入安装命令 pip install 模块名 (如果你觉得安装速度比较慢, 你可以切换国内镜像源)
基本思路。
数据来源分析
我们不管是采集什么，都要先找到数据来源。有来源才有下一步的行动。
-
确定我们要采集得数据内容是什么?
店铺基本数据信息
-
通过开发者工具进行抓包分析 分析数据从哪里可以获取
从第一页数据进行分析的
代码流程步骤
有了来源目标之后，再请求获取数据，解析数据，最后创建文件夹保存到Excel表格。
当然，如果想采集更多的，肯定就得实现自动翻页
-
发送请求, 对于店铺信息数据包url地址发送请求
-
获取数据, 获取服务器返回的response响应数据
-
解析数据, 提取我们想要的一些数据内容 (店铺信息)
-
保存数据, 把相应的数据内容保存csv表格里面
-
多页采集：多页采集数据内容
代码展示
不限正规足浴，其实想采集啥都行。
import requests
import pprint
import re
import csv
import time
f = open('按摩data.csv', mode='a', encoding='utf-8', newline='')
csv_writer = csv.DictWriter(f, fieldnames=[
'店铺名称',
'人均消费',
'店铺评分',
'评论人数',
'所在商圈',
'店铺类型',
'店铺地址',
'联系方式',
'营业时间',
'详情页',
])
csv_writer.writeheader()
def get_shop_info(html_url):
headers = {
'Cookie': '',
'Host': '',
'Referer': '',
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/95.0.4638.54 Safari/537.36',
}
response = requests.get(url=html_url, headers=headers)
# print(response.text)
phone = re.findall('"phone":"(.*?)"', response.text)[0]
openTime = re.findall('"openTime":"(.*?)"', response.text)[0].replace('\\n', '')
address = re.findall('"address":"(.*?)"', response.text)[0]
shop_info = [address, phone, openTime]
# print(shop_info)
return shop_info
for page in range(0, 1537, 32):
time.sleep(2)
url = ''
data = {
'uuid': '05f4abe326934bf19027.1634911815.1.0.0',
'userid': '266252179',
'limit': '32',
'offset': page,
'cateId': '-1',
'q': '按摩',
'token': 'knaBbvVTfN50cupoV5b87GJMXzkAAAAAAw8AAELrweWvhGhrM0fw6oTkLe5c6DGXJ6PCtxfyHgUPl3k-SVVR-Vs0LjzrGfewJhX8-g'
}
headers = {
'Referer': '',
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36'
}
response = requests.get(url=url, params=data, headers=headers)
result = response.json()['data']['searchResult']
for index in result:
shop_id = index['id']
index_url = f'https://www..com/meishi/{shop_id}/'
shop_info = get_shop_info(index_url)
dit = {
'店铺名称': index['title'],
'人均消费': index['avgprice'],
'店铺评分': index['avgscore'],
'评论人数': index['comments'],
'所在商圈': index['areaname'],
'店铺类型': index['backCateName'],
'店铺地址': shop_info[0],
'联系方式': shop_info[1],
'营业时间': shop_info[2],
'详情页': index_url,
}
csv_writer.writerow(dit)
print(dit)
因为代码里有链接，不给过的，所以我把代表性的网址那里删掉了一部分，你们可以自行添加