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实现数通设备端口监控示例
Apr 02 Python
Python捕捉和模拟鼠标事件的方法
Jun 03 Python
python中pygame针对游戏窗口的显示方法实例分析(附源码)
Nov 11 Python
详解python3百度指数抓取实例
Dec 12 Python
Python中类型检查的详细介绍
Feb 13 Python
Tensorflow卷积神经网络实例
May 24 Python
djang常用查询SQL语句的使用代码
Feb 15 Python
Python with用法:自动关闭文件进程
Jul 10 Python
django foreignkey外键使用的例子 相当于left join
Aug 06 Python
Python检查图片是否损坏及图片类型是否正确过程详解
Sep 30 Python
解决pytorch读取自制数据集出现过的问题
May 31 Python
如何理解及使用Python闭包
Jun 01 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用mysql数据库存储session的代码
2010/03/05 PHP
PHP+MySQL投票系统的设计和实现分享
2012/09/23 PHP
PHP5.3的垃圾回收机制(动态存储分配方案)深入理解
2012/12/10 PHP
php定时计划任务与fsockopen持续进程实例
2014/05/23 PHP
异步加载技术实现当滚动条到最底部的瀑布流效果
2014/09/16 PHP
php报错502badgateway解决方法
2019/10/11 PHP
JavaScript 继承详解 第一篇
2009/08/30 Javascript
jquery获得下拉框值的代码
2011/08/13 Javascript
css与javascript跨浏览器兼容性总结
2014/09/15 Javascript
JavaScript的面向对象编程基础
2015/08/13 Javascript
jQuery实现鼠标滑过点击事件音效试听
2015/08/31 Javascript
jquery实现简单合拢与展开网页面板的方法
2015/09/01 Javascript
BackBone及其实例探究_动力节点Java学院整理
2017/07/14 Javascript
Vue Cli与BootStrap结合实现表格分页功能
2017/08/18 Javascript
使用vue-cli导入Element UI组件的方法
2018/05/16 Javascript
微信小程序倒计时功能实例代码
2018/07/17 Javascript
使用vue-cli3 创建vue项目并配置VS Code 自动代码格式化 vue语法高亮问题
2019/05/14 Javascript
深入理解令牌认证机制(token)
2019/08/22 Javascript
JS 遍历 json 和 JQuery 遍历json操作完整示例
2019/11/11 jQuery
js+html+css实现手动轮播和自动轮播
2020/12/30 Javascript
Python实现两款计算器功能示例
2017/12/19 Python
python 简单照相机调用系统摄像头实现方法 pygame
2018/08/03 Python
python3.6编写的单元测试示例
2019/08/17 Python
pycharm开发一个简单界面和通用mvc模板(操作方法图解)
2020/05/27 Python
Django中的模型类设计及展示示例详解
2020/05/29 Python
Matplotlib中%matplotlib inline如何使用
2020/07/28 Python
python获取百度热榜链接的实例方法
2020/08/25 Python
用Python进行websocket接口测试
2020/10/16 Python
使用HTML5 Canvas绘制圆角矩形及相关的一些应用举例
2016/03/22 HTML / CSS
优秀员工表扬信
2014/01/17 职场文书
《月球之谜》教学反思
2014/04/10 职场文书
领导干部作风建设总结
2014/10/23 职场文书
习近平在党的群众路线教育实践活动总结大会上的讲话全文
2014/10/25 职场文书
四大名著读书笔记
2015/06/25 职场文书
公司安全管理制度范本
2015/08/05 职场文书
PYTHON基于Pyecharts绘制常见的直角坐标系图表
2022/04/28 Python