• Python使用Chrome插件实现爬虫过程图解


    做电商时,消费者对商品的评论是很重要的,但是不会写代码怎么办?这里有个Chrome插件可以做到简单的数据爬取,一句代码都不用写。下面给大家展示部分抓取后的数据:


     

    可以看到,抓取的地址,评论人,评论内容,时间,产品颜色都已经抓取下来了。那么,爬取这些数据需要哪些工具呢?就两个:

    1. Chrome浏览器;

    2. 插件:Web Scraper

    插件下载地址:https://chromecj.com/productivity/2018-05/942.html

    最后,如果你想自己动手抓取一下,这里是这次抓取的详细过程:

    1. 首先,复制如下的代码,对,你不需要写代码,但是为了便于上手,复制代码还是需要的,后续可以自己定制和选择,不需要写代码。

    {

    "_id": "jdreview",

    "startUrl": [

    "https://item.jd.com/100000680365.html#comment"

    ],

    "selectors": [

    {

    "id": "user",

    "type": "SelectorText",

    "selector": "div.user-info",

    "parentSelectors": [

    "main"

    ],

    "multiple": false,

    "regex": "",

    "delay": 0

    },

    {

    "id": "comments",

    "type": "SelectorText",

    "selector": "div.comment-column > p.comment-con",

    "parentSelectors": [

    "main"

    ],

    "multiple": false,

    "regex": "",

    "delay": 0

    },

    {

    "id": "time",

    "type": "SelectorText",

    "selector": "div.comment-message:nth-of-type(5) span:nth-of-type(4), div.order-info span:nth-of-type(4)",

    "parentSelectors": [

    "main"

    ],

    "multiple": false,

    "regex": "",

    "delay": "0"

    },

    {

    "id": "color",

    "type": "SelectorText",

    "selector": "div.order-info span:nth-of-type(1)",

    "parentSelectors": [

    "main"

    ],

    "multiple": false,

    "regex": "",

    "delay": 0

    },

    {

    "id": "main",

    "type": "SelectorElementClick",

    "selector": "div.comment-item",

    "parentSelectors": [

    "_root"

    ],

    "multiple": true,

    "delay": "10000",

    "clickElementSelector": "div.com-table-footer a.ui-pager-next",

    "clickType": "clickMore",

    "discardInitialElements": false,

    "clickElementUniquenessType": "uniqueHTMLText"

    }

    ]

    }

    2. 然后打开chrome浏览器,在任意页面同时按下Ctrl+Shift+i,在弹出的窗口中找到Web Scraper,如下:


     

    3. 如下


     

    4. 如图,粘贴上述的代码:


     

    5. 如图,如果需要定制网址,注意替代一下,网址后面的#comment是直达评论的链接,不能去掉:


     

    6. 如图:


     

    7. 如图:


     

    8. 如图,点击Scrape后,会自动运行打开需要抓取得页面,不要关闭窗口,静静等待完成,完成后右下方会提示完成,一般1000条以内的评论不会有问题:


     

    9. 最后,点击下载到电脑,数据保存好。


     

    使用这个工具的好处是:

    1. 不需要编程;

    2. 京东的评论基本可以通用此脚本,修改对应的url即可;

    3. 如果需要爬取的评论不到1000条,这个工具会非常称手,所有的数据完全自动下载;

    使用的注意点:

    1. 抓取过一次的数据会有记录,立刻再次抓取将不会保存,建议关闭浏览器重新打开后再试;

    2. 抓取数量:1000条以内没有问题,可能是京东按照IP直接阻止了更多的爬取;

    如果你的英语水平不错,可以尝试阅读官方文档,进一步学习和定制自己的爬虫。

    官方教程:https://www.webscraper.io/documentation

    以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。

  • 相关阅读:
    漫谈C语言结构体
    如何理解c和c++的复杂类型声明
    STM32 时钟系统
    STM32 系统架构
    运放参数的详细解释和分析-part1,输入偏置电流和输入失调电流【转】
    ROM、RAM、DRAM、SRAM、FLASH的区别?
    FATFS模块应用笔记
    关于I2C和SPI总线协议【转】
    USB编程概念
    Ubuntu手机识别
  • 原文地址:https://www.cnblogs.com/nanhe/p/13261247.html
Copyright © 2020-2023  润新知