Python采集某评论区内容的实现示例

前言

我们知道在这个互联网时代，评论已经在我们的生活到处可见，评论区里面的信息是一个非常有趣和有争议的地方。我们今天，就来获取某技术平台的评论，和大家分享一下，我获取数据的过程，也是一个尝试的过程。

发送请求

我们首先，确定我们要获取哪一个文章下面的评论区。我们先使用开发者工具，定位到我们要的数据。

我们通过数据抓取，我们发现，这个平台的评论区数据，放在了一个叫getlist数据包里面了。

我们就不难明白，我们只要请求这个url，在传一个关于文章的参数，我们就能获取到我们想要的数据。而且，我们发现，这个是post请求。我们先按正常思路写代码。

import requests

url = 'https://xie.infoq.cn/public/v1/comment/getList'

headers = {
   'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/111.0.0.0 Safari/537.36',
}
res = requests.post(url,headers=headers)

print(res)

我们发现返回了一个<Response [451]>的值，我们可能就是少穿了参数，我们接下来，把参数加上试试。

data = {
   'id': "594899140323389440",
   'score': '1682043841339',# 1681968121323
   'size': '100',
}

我们发现还是不行，所以，我们想到了，这个要加一个防盗链。我们把相应的参数传进去，我们再来看看效果。

headers ={
   'Host': 'xie.infoq.cn',
   'Origin': 'https://xie.infoq.cn',
   'Referer': 'https://xie.infoq.cn/article/a5f16dffb45139cba72691c29',
   'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/111.0.0.0 Safari/537.36',
}
res = requests.post(url,data = data,headers=headers)

我们发现虽然返回了<Response [200]>,但是，我们还是拿不到数据，我们看看服务器给我们返回了什么样子的数值。

{"code":-1,"data":{},"error":{"code":-2005,"msg":"ID不能为空"},"extra":{"cost":0.000170465,"request-id":"7c1dc236c95aceb9e56da271b056be88@2@infoq"}}

它提示我们"msg":"ID不能为空"，说明我们data传入传错了。

不难看出，就是我们的文章id没有传进去，可能是我们传递的参数方式错了，我们这里要注意，要用json格式传参。正确的请求方式如下：

res = requests.post(url,json = data,headers=headers)

我们发现，就可以获取到了数据，在这个过程，我们不断的尝试，最后，也拿到了我们想要的数据，我们会不会有一些成就感。我们看看获取到了什么样子的数据吧。

拿到了，这样的数据，大家就不难拿到我们要的数据，直接字典取值就好了，今天，我们用了大篇幅的段落，来解释我们是如何获取数据的。

解析数据

我们接下来就可以解析数据了，代码很简单。我这里直接获取评论了，不获取评论者了，原理是一样的，大家感兴趣的可以自己去试试。

datas = res.json()['data']['list']

for contents in datas:
   content = contents['content']
   print(content)

这段代码将从 res.json()['data']['list'] 中获取数据，并将其存储在 datas 变量中。然后，它使用一个 for 循环遍历 datas 中的每个元素，并将每个元素的 content 属性存储在 content 变量中。最后，它打印出每个元素的 content 属性。

我们直接看效果，这个很简单的。

来源：https://juejin.cn/post/7224840969790701626