Python爬取腾讯视频评论的思路详解


Posted in Python onDecember 19, 2019

一、前提条件

  • 安装了Fiddler了(用于抓包分析)
  • 谷歌火狐浏览器
  • 如果是谷歌浏览器,还需要给谷歌浏览器安装一个SwitchyOmega插件,用于代理服务器
  • 有Python的编译环境,一般选择Python3.0及以上

声明:本次爬取腾讯视频里 《最美公里》纪录片的评论。本次爬取使用的浏览器是谷歌浏览器

二、分析思路

1、分析评论页面

Python爬取腾讯视频评论的思路详解

根据上图,我们可以知道:评论使用了Ajax异步刷新技术。这样就不能使用以前分析当前页面找出规律的手段了。因为展示的页面只有部分评论,还有大量的评论没有被刷新出来。

这时,我们应该想到使用抓包来分析评论页面刷新的规律。以后大部分爬虫,都会先使用抓包技术,分析出规律!

2、使用Fiddler进行抓包分析——得出评论网址规律

fiddler如何抓包,这个知识点,需要读者自行去学习,不在本博客讨论范围。

Python爬取腾讯视频评论的思路详解
Python爬取腾讯视频评论的思路详解

把上面两张图里面的内容对比一下,可以知道这个JS就是评论存放页面。(这需要大家一个一个找,一般Ajax都是在JS里面,所以这也找JS进行对比即可)

我们复制这个JS的url:右击 > copy > Just Url

大家可以重复操作几次,多找几个JS的url,从url得出规律。下图是我刷新了4次得到的JS的url:

Python爬取腾讯视频评论的思路详解

根据上图,我们发现url不同的地方有两处:一是cursor=?;二是_=?。

我们很快就能发现 _=?的规律,它是从1576567187273加1。而cursor=?的规律看不出来。这个时候找到它的规律呢?

(1)百度一下,看前人有没有爬取过类型的网站,根据他们的规律和方法,去找出规律;

(2)羊毛出在羊身上。我们需要有的大胆想法——会不会这个cursor=?可以根据上一个JS页面得到呢?这只是很多大胆想法中的一个,我们就一个想法一个想法的试试。

我们就采用第二种方法,去js里面找。复制其中一个url为:

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

去浏览器里面打开,在里面搜索一下此url的下一个url的cursor=?的值。我们发现一个惊喜!

Python爬取腾讯视频评论的思路详解

如下:

一般情况下,我们还要多试几次,确定我们的想法是正确的。

至此,我们发现了评论的url之间的规律:

  • _=?从1576567187273加1
  • cursor=?的值存在上面一个JS中。

三、代码编写

import re
import random
import urllib.request

#构建用户代理
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",
 ]
#从用户代理池随机选取一个用户代理
def ua(uapools):
 thisua=random.choice(uapools)
 #print(thisua)
 headers=("User-Agent",thisua)
 opener=urllib.request.build_opener()
 opener.addheaders=[headers]
 #设置为全局变量
 urllib.request.install_opener(opener)

#获取源码
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

#从源码中获取评论的数据
def get_comment(html):
 pat='"content":"(.*?)"'
 rst = re.compile(pat,re.S).findall(html)
 return rst
 
#从源码中获取下一轮刷新页的ID
def get_lastId(html):
 pat='"last":"(.*?)"'
 lastId = re.compile(pat,re.S).findall(html)[0]
 return lastId

def main():
 ua(uapools)
 #初始页面
 page=1576567187274
 #初始待刷新页面ID
 lastId="6460393679757345760"
 for i in range(1,6):
 html = get_content(page,lastId)
 #获取评论数据
 commentlist=get_comment(html)
 print("------第"+str(i)+"轮页面评论------")
 for j in range(1,len(commentlist)):
  print("第"+str(j)+"条评论:" +str(commentlist[j]))
 #获取下一轮刷新页ID
 lastId=get_lastId(html)
 page += 1

main()

四、结果展示

Python爬取腾讯视频评论的思路详解

总结

以上所述是小编给大家介绍的Python爬取腾讯视频评论,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对三水点靠木网站的支持!
如果你觉得本文对你有帮助,欢迎转载,烦请注明出处,谢谢!

Python 相关文章推荐
归纳整理Python中的控制流语句的知识点
Apr 14 Python
浅谈python多线程和队列管理shell程序
Aug 04 Python
Python编程实现删除VC临时文件及Debug目录的方法
Mar 22 Python
python算法表示概念扫盲教程
Apr 13 Python
使用python生成目录树
Mar 29 Python
python 执行shell命令并将结果保存的实例
May 11 Python
python之cv2与图像的载入、显示和保存实例
Dec 05 Python
python学生管理系统
Jan 30 Python
python将类似json的数据存储到MySQL中的实例
Jul 12 Python
pytorch 使用单个GPU与多个GPU进行训练与测试的方法
Aug 19 Python
pytorch 实现在一个优化器中设置多个网络参数的例子
Feb 20 Python
解决pycharm 格式报错tabs和space不一致问题
Feb 26 Python
使用Pandas将inf, nan转化成特定的值
Dec 19 #Python
pandas中read_csv的缺失值处理方式
Dec 19 #Python
python错误调试及单元文档测试过程解析
Dec 19 #Python
Python3.5 win10环境下导入kera/tensorflow报错的解决方法
Dec 19 #Python
解决Python列表字符不区分大小写的问题
Dec 19 #Python
简单了解为什么python函数后有多个括号
Dec 19 #Python
解决Python使用列表副本的问题
Dec 19 #Python
You might like
php中批量替换文件名的实现代码
2011/07/20 PHP
PHP数据库操作之基于Mysqli的数据库操作类库
2014/04/19 PHP
php微信浏览器分享设置以及回调详解
2016/08/01 PHP
php封装的page分页类完整实例
2016/10/18 PHP
PHP实现找出有序数组中绝对值最小的数算法分析
2017/08/07 PHP
PHP有序表查找之插值查找算法示例
2018/02/10 PHP
js用闭包遍历树状数组的方法
2014/03/19 Javascript
Javascript this 关键字 详解
2014/10/22 Javascript
jQuery中live()方法用法实例
2015/01/19 Javascript
js判断所有表单项不为空则提交表单的实现方法
2016/09/09 Javascript
canvas实现十二星座星空图
2017/02/14 Javascript
Vue中如何实现轮播图的示例代码
2017/07/27 Javascript
JS跳转手机站url的若干注意事项
2017/10/18 Javascript
详解Vue的钩子函数(路由导航守卫、keep-alive、生命周期钩子)
2018/07/24 Javascript
iview同时验证多个表单问题总结
2018/09/29 Javascript
微信小程序如何实现点击图片放大功能
2020/01/21 Javascript
python实现文件名批量替换和内容替换
2014/03/20 Python
跟老齐学Python之print详解
2014/09/28 Python
Python 抓取动态网页内容方案详解
2014/12/25 Python
Centos7 Python3下安装scrapy的详细步骤
2018/03/15 Python
将Pytorch模型从CPU转换成GPU的实现方法
2019/08/19 Python
Python如何爬取b站热门视频并导入Excel
2020/08/10 Python
anaconda安装pytorch1.7.1和torchvision0.8.2的方法(亲测可用)
2021/02/01 Python
CSS3 中的@keyframes介绍
2014/09/02 HTML / CSS
html5绘制时钟动画
2014/12/15 HTML / CSS
掌上明珠Java程序员面试总结
2016/02/23 面试题
青年创业培训欢迎词
2014/01/08 职场文书
怎么写自荐书范文
2014/02/12 职场文书
教师年度考核评语
2014/04/28 职场文书
公安领导班子四风问题个人整改措施思想汇报
2014/10/09 职场文书
党员个人党性分析材料
2014/12/18 职场文书
英语感谢信范文
2015/01/20 职场文书
海上钢琴师观后感
2015/06/03 职场文书
浅谈Redis存储数据类型及存取值方法
2021/05/08 Redis
Java反应式框架Reactor中的Mono和Flux
2021/07/25 Java/Android
CSS的calc函数用法小结
2022/06/25 HTML / CSS