Python实现的爬取网易动态评论操作示例


            本文实例讲述了Python实现的爬取网易动态评论操作。分享给大家供大家参考，具体如下：

打开网易的一条新闻的源代码后，发现并没有所要得评论内容。

经过学习后发现，源代码只是一个完整页面的“骨架”，而我所需要的内容是它的填充物，这时候需要打开工具里面的开发人员工具，从加载的“骨肉”里找到我所要的评论



圈住的是类型

找到之后打开网页，发现json类型的格式，用我已学过的正则，bs都不好闹，于是便去了解了正则，发现把json的格式换化成python的格式后，用列表提取内容是一条明朗的道路。。。

但是在细致分析的时候也发现了问题



从这里获得每条评论时，感觉有点不对，观察发现如果是回复评论的评论会出现他回复那条评论的数据，于是用正则提取了一下

最终的代码如下：





#coding=utf-8

__author__ = 'kongmengfan123'

import urllib

import re

import json

import time

def gethothtml(url):#最热评论

  page=urllib.urlopen(url)

  html=page.read()

  get_json(html)

def gethnewtml():#最新评论有5页

  for i in range(1,6):

    url = 'http://comment.news.163.com/api/v1/products/a2869674571f77b5a0867c3d71db5856/threads/C4QFIJNS0001875O/comments/newList?offset=%d&limit=30&showLevelThreshold=72&headLimit=1&tailLimit=2&callback=getData&ibc=newspc&_=1478010624978'%i*30

    page = urllib.urlopen(url)

    html=page.read()

    time.sleep(1)

    get_json(html)

def get_json(json_):

  end_=re.compile(r'\);')#将json网页转化成python数据

  begain=re.compile(r'getData\(')

  json_=begain.sub('',json_)

  json_=end_.sub('',json_)

  ajson=json.loads(json_)

  lis=ajson["commentIds"]#获得每条评论的键

  n=0

  for i in range(1,len(lis)):

    try:

      xulie=re.compile('\d{10,}')#取得准确评论的键（去掉回复）

      bia=re.findall(xulie,lis[n])

      w.write(ajson['comments'][bia[len(bia)-1]]['user']['nickname'].encode('utf-8')+'|')

    except KeyError:

      w.write(ajson['comments'][bia[len(bia)-1]]['user']['location'].encode('utf-8')+'|')

    if (len(lis[n])>13):

      xulie=re.compile('\d{10,}')

      bia=re.findall(xulie,lis[n])

      w.write(ajson['comments'][bia[len(bia)-1]]['content'].encode('utf-8')+'\n')

    else:

       w.write(ajson['comments'][lis[n]]['content'].encode('utf-8')+'\n')

    n=n+1

  return lis

w=open('wangyi.txt','w')

w.write('用户名'+'|'+'热门评论'+'\n')

hot_=gethothtml('http://comment.news.163.com/api/v1/products/a2869674571f77b5a0867c3d71db5856/threads/C4QFIJNS0001875O/comments/hotList?offset=0&limit=40&showLevelThreshold=72&headLimit=1&tailLimit=2&callback=getData&ibc=newspc')

w.write('用户名'+'|'+'最新评论'+'\n')

gethnewtml()

w.close()







成功。

更多关于Python相关内容可查看本站专题：《Python Socket编程技巧总结》、《Python正则表达式用法总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》

希望本文所述对大家Python程序设计有所帮助。