爬了7000+条内衣信息，只为探究妹纸们的偏好

2022-11-18 14:52:41 云平台 ℃

　　为了探究妹纸们的偏好，我爬了网易严选妹子内衣信息总共是七千多条数据，下面一起来看看网易严选商品评论的获取和分析。

　　图片来自 Pexels

　　声明：这是一篇超级严肃的技术文，超!级!严!肃!请本着学习交流的态度阅读，谢谢!

　　分析网页

　　①评论分析

　　进入到网易严选官网，搜索“文胸”后，先随便点进一个商品。

　　在商品页面，打开 Chrome 的控制台，切换至 Network 页，再把商品页面切换到评价标签下，选择一个评论文字，如“薄款、穿着舒适、满意”，在 Network 中搜索。

　　可以发现，评论文字是通过 listByItemByTag.json 传递过来的，点击进入该请求，并拷贝出该请求的 URL：

　　https://you.163.com/xhr/comment/listByItemByTag.json?csrf_token=060f4782bf9fda38128cfaeafb661f8c&__timestamp=1571106038283&itemId=1616018&tag=%E5%85%A8%E9%83%A8&size=20&page=1&orderBy=0&oldItemTag=%E5%85%A8%E9%83%A8&oldItemOrderBy=0&tagChanged=0

　　将该 URL 放入 Postman 中，逐个尝试 url query params，最后能够发现，只需保留 itemId 和 page 两个请求参数即可。

　　请求返回的是一个 JSON 格式的数据，下面就是分析该 JSON 数据了。

　　不难发现，所有的评论数据都存储在 commentList 中，我们只需保存该数据即可。

　　下面就是如何获取 itemId 的信息了，这个是产品的 ID，我们回到网易严选首页，继续分析。

　　②产品 ID 获取

　　当我们在搜索框中输入关键字进行搜索的时候，同样能够发现在 Network 中有很多请求。

　　此时可以观察各个请求，通过请求文件的名称(此处需要一些经验，守规矩的程序员都不会乱起名字)，我们可以定位到搜索时展示搜索结果的请求。

　　搜索一般都是 search，所以我们就锁定了这个 search.json 的请求。同样把请求 URL 拷贝到 Postman 中，逐个验证传参，最后保留 page 和 keyword 两个参数即可。

　　该请求返回的数据较多，还是需要耐心的分析数据，也能够发现，在 result->data->directly->searcherResult->result 下面的 id 值，即为我们要获取的产品 ID。

　　以上，我们基本完成了前期的分析工作，下面开始代码的编写。

　　编写代码

　　①获取产品 ID

　　代码如下：

　　def search_keyword(keyword): uri = 'https://you.163.com/xhr/search/search.json' query = { "keyword": keyword, "page": 1 } try: res = requests.get(uri, params=query).json() result = res['data']['directly']['searcherResult']['result'] product_id = [] for r in result: product_id.app(r['id']) return product_id except: raise 我这里是获取了 page 为 1 的产品 ID，下面就是通过产品 ID 来获取不同产品下的评论信息。

　　②获取数据存储

　　通过前面的分析，我们可以知道，评论信息都是如下形式的，对这种形式的信息，我们可以很方便地存储进入 MongoDB，然后再慢慢分析数据里的内容。

　　{ "skuInfo": [ "颜色:肤色", "杯码:75B" ], "frontUserName": "1****8", "frontUserAvatar": "https://yanxuan.nosdn.127.net/f8f20a77db47b8c66c531c14c8b38ee7.jpg", "content": "质量好，穿着舒服", "createTime": 1555546727635, "picList": [ "https://yanxuan.nosdn.127.net/742f28186d805571e4b3f28faa412941.jpg" ], "commentReplyVO": null, "memberLevel": 4, "appCommentVO": null, "star": 5, "itemId": 1680205 } 对于 MongoDB，我们既可以自己搭建，也可以使用网上免费的服务。在这里我介绍一个免费的 MongoDB 服务网站：mlab，使用很简单，就不过多介绍使用过程了。

　　数据库有了，下面就是把数据保存进去了：

　　def details(product_id): url = 'https://you.163.com/xhr/comment/listByItemByTag.json' try: C_list = [] for i in range(1, 100): query = { "itemId": product_id, "page": i, } res = requests.get(url, params=query).json() if not res['data']['commentList']: break print("爬取第 %s 页评论" % i) commentList = res['data']['commentList'] C_list.app(commentList) time.sleep(1) # save to mongoDB try: mongo_collection.insert_many(commentList) except: continue return C_list except: raise 最后爬取完成之后，总共是七千多条数据，下面就可以根据个人需要做一些分析了。