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
Python日期操作学习笔记
Oct 07 Python
浅谈numpy数组的几种排序方式
Dec 15 Python
Python XML转Json之XML2Dict的使用方法
Jan 15 Python
python贪吃蛇游戏代码
Apr 18 Python
django与小程序实现登录验证功能的示例代码
Feb 19 Python
浅析Python数字类型和字符串类型的内置方法
Dec 22 Python
python实现人机五子棋
Mar 25 Python
Python批量处理csv并保存过程解析
May 16 Python
python实现126邮箱发送邮件
May 20 Python
keras得到每层的系数方式
Jun 15 Python
使用BeautifulSoup4解析XML的方法小结
Dec 07 Python
python的setattr函数实例用法
Dec 16 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
实战mysql导出中文乱码及phpmyadmin导入中文乱码的解决方法
2010/06/11 PHP
PHP随机数生成代码与使用实例分析
2011/04/08 PHP
PHP5常用函数列表(分享)
2013/06/07 PHP
PHP 使用pcntl和libevent 实现Timer功能
2013/10/27 PHP
PHP数组函数array_multisort()用法实例分析
2016/04/02 PHP
Yii2简单实现给表单添加验证码的方法
2016/07/18 PHP
php中preg_replace_callback函数简单用法示例
2016/07/21 PHP
PHP使用file_get_contents发送http请求功能简单示例
2018/04/29 PHP
ThinkPHP5 框架引入 Go AOP,PHP AOP编程项目详解
2020/05/12 PHP
jquery ajax执行后台方法
2010/03/18 Javascript
Raphael带文本标签可拖动的图形实现代码
2013/02/20 Javascript
js+html5实现canvas绘制简单矩形的方法
2015/06/05 Javascript
JavaScript数组迭代器实例分析
2015/06/09 Javascript
Node.js事件驱动
2015/06/18 Javascript
Angular页面间切换及传值的4种方法
2016/11/04 Javascript
详解Vue.js中引入图片路径的几种方式
2019/06/17 Javascript
vue中使用百度脑图kityminder-core二次开发的实现
2019/09/26 Javascript
vue大型项目之分模块运行/打包的实现
2020/09/21 Javascript
Python 装饰器深入理解
2017/03/16 Python
Python加密方法小结【md5,base64,sha1】
2017/07/13 Python
自定义django admin model表单提交的例子
2019/08/23 Python
Python3.6+selenium2.53.6自动化测试_读取excel文件的方法
2019/09/06 Python
Python PyInstaller安装和使用教程详解
2020/01/08 Python
Python GUI编程学习笔记之tkinter控件的介绍及基本使用方法详解
2020/03/30 Python
CSS3制作炫酷带方向感应的鼠标滑过图片3D动画
2016/03/16 HTML / CSS
丝芙兰法国官网:SEPHORA法国
2016/09/01 全球购物
Beauty Expert美国/加拿大:购买奢侈美容产品
2018/12/05 全球购物
公务员年总结的自我评价
2013/10/25 职场文书
教育学专业毕业生的自我鉴定
2013/11/26 职场文书
房地产项目策划书
2014/02/05 职场文书
环境监测与治理技术专业求职信
2014/07/06 职场文书
感谢信格式范文
2015/01/22 职场文书
酒店服务员岗位职责
2015/02/09 职场文书
运动会口号霸气押韵
2015/12/24 职场文书
2016小学教师读书心得体会
2016/01/13 职场文书
SQL Server数据库备份和恢复数据库的全过程
2022/06/14 SQL Server