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:
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:
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。
上一篇: 日化业刮起了伊比利亚风,白猫佳美要走品牌年轻化之路了
下一篇: jQuery获取对象简单实现方法小结