我要评论一、分析网页
网站的页面是 javascript 渲染而成的，我们所看到的内容都是网页加载后又执行了javascript代码之后才呈现出来的，因此这些数据并不存在于原始 html 代码中，而 requests 仅仅抓取的是原始 html 代码。抓取这种类型网站的页面数据，解决方案如下：
分析 ajax，很多数据可能是经过 ajax 请求时候获取的，所以可以分析其接口。
在xhr里可以找到，request url有几个关键参数，uuid和cityid是城市标识，offset偏移量可以控制翻页，分析网页发现，第x页的offset为：(x-1)*20，limit表示每页有20条信息，startday和endday为当前的日期。
在preview里可以找到每页的20条信息
模拟javascript渲染过程，直接抓取渲染后的结果。
selenium和pyppeteer爬虫就是用的这种方法
二、爬取酒店信息
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(['酒店名称', '酒店地址', '酒店类型', '最低价', '评价', '评论数', '经度', '纬度'])
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'] # 酒店名称
addr = con['addr'] # 酒店地址
star = con['hotelstar'] # 酒店类型
price = con['lowestprice'] # 最低价
scoreintro = con['scoreintro'] # 评价
comments = con['commentscountdesc'] # 评论数
lng, lat = con['lng'], con['lat'] # 经纬度
data = [name, addr, star, price, scoreintro, comments, lng, lat]
sheet.append(data)
logging.info(data)
程序运行成功，酒店信息保存到了excel。
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移动技术网。
如您对本文有疑问或者有任何想说的，请点击进行留言回复，万千网友为您解惑！
网友评论