如何基於Python爬蟲爬取美團酒店資訊
阿新 • • 發佈:2020-11-05
一、分析網頁
網站的頁面是 JavaScript 渲染而成的,我們所看到的內容都是網頁載入後又執行了JavaScript程式碼之後才呈現出來的,因此這些資料並不存在於原始 HTML 程式碼中,而 requests 僅僅抓取的是原始 HTML 程式碼。抓取這種型別網站的頁面資料,解決方案如下:
分析 Ajax,很多資料可能是經過 Ajax 請求時候獲取的,所以可以分析其介面。
在XHR裡可以找到,Request URL有幾個關鍵引數,uuid和cityId是城市標識,offset偏移量可以控制翻頁,分析網頁發現,第x頁的offset為:(x-1)*20,limit表示每頁有20條資訊,startDay和endDay為當前的日期。
在Preview裡可以找到每頁的20條資訊
模擬JavaScript渲染過程,直接抓取渲染後的結果。
selenium和pyppeteer爬蟲就是用的這種方法
二、爬取酒店資訊
logging.basicConfig(level=logging.INFO,format='%(asctime)s - %(levelname)s: %(message)s') url = "https://ihotel.meituan.com/hbsearch/HotelSearch" headers = { "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML,like Gecko) Chrome/80.0.3987.162 Safari/537.36","Referer": "https://hotel.meituan.com/chengdu" } wb = openpyxl.Workbook() sheet = wb.active sheet.append(['酒店名稱','酒店地址','酒店型別','最低價','評價','評論數','經度','緯度']) def hotel_data(x): data = { 'utm_medium': 'pc','version_name': 999.9,'cateId': 20,'attr_28': 129,'uuid': '5D4E443EC83DDD49B73F317921EAE16C7B492A634A67FA261773890F730A5932@1600263777783','cityId': 59,'offset': x * 20,'limit': 20,'startDay': 20200916,'endDay': 20200916,'q': '','sort': 'defaults','X-FOR-WITH': '47zbBAV+k1e7QrnKt4lEVXrmtOE9w2OpFfGsKf539CDdXIw4r2V/qICcWVeNACGHWNbD6iL4huPyRVdkNJJwR6dqcoQMyzjUE3cQGWr6YZOwANQOlCSrZ7m1+aahwcnh/dTfaJLMZfxWaJQEISBuKbiMgDC8Vr4eaeWiYASkLl0ByB96MOUz7gfjUTbhlV0ZXvZ/ucwNcK3zxTQjmoBINsAY4HwpKQLpOV2IqV1CtPg=',} res = requests.get(url,headers=headers,params=data) time.sleep(random.randint(1,3)) results = json.loads(res.text)['data']['searchresult'] for con in results: name = con['name'] # 酒店名稱 addr = con['addr'] # 酒店地址 star = con['hotelStar'] # 酒店型別 price = con['lowestPrice'] # 最低價 scoreIntro = con['scoreIntro'] # 評價 comments = con['commentsCountDesc'] # 評論數 lng,lat = con['lng'],con['lat'] # 經緯度 data = [name,addr,star,price,scoreIntro,comments,lng,lat] sheet.append(data) logging.info(data)
程式執行成功,酒店資訊儲存到了Excel。
以上就是本文的全部內容,希望對大家的學習有所幫助,也希望大家多多支援我們。