用Python扒了相亲软件评论区...

Python小二

发布于 2024-06-08 08:39:28

850

发布于 2024-06-08 08:39:28

文章被收录于专栏：Python小二

本文以 360 手机助手为例，地址为：http://zhushou.360.cn/，相亲软件选择 3 个比较流行的，分别为：世纪佳缘、百合婚恋、有缘网，我们使用 Python 爬取软件评论区，看看用户评价情况。

先来看一下这三款软件的下载量和好中差评占比情况（下图单位为万次）。

下面开始爬取评论区，以世纪佳缘为例，首先，在搜索框输入世纪佳缘进行搜索，如图所示：

接着，点击搜索到的软件进入其详情页，如图所示：

将页面向下拉就可以看到评论区了，如图所示：

此时打开开发者工具并选择Network项，点击查看更多评论，然后可以看到getComments请求，如图所示：

通过这个请求我们就可以动态获取评论区数据了，其中参数star为开始的评论索引，参数count为每次加载的评论个数，可以通过参数callback、baike指定不同应用，爬取代码实现如下：

headers = {
    "Accept": "*/*",
    "Accept-Encoding": "gzip, deflate, sdch",
    "Accept-Language": "zh-CN,zh;q=0.8",
    "Connection": "keep-alive",
    "Host": "comment.mobilem.360.cn",
    "User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/57.0.2987.98 Safari/537.36 LBBROWSER"
}
def comment_spider(param, file_name):
    base_url = "http://comment.mobilem.360.cn/comment/getComments?c=message&a=getmessage&&count=50"
    start = 0
    for i in range(1, 50):
        print("第{}页".format(i))
        url = base_url + param + "&start=" + str(start)
        r = requests.get(url, headers=headers)
        data = re.findall("{\"errno\"(.*)\);}catch\(e\){}", r.text)
        # 转为 Json 格式
        jdata = json.loads("{\"errno\"" + data[0])
        for message in jdata["data"]["messages"]:
            content = message["content"]
            print(content)
            with open(file_name + ".txt", "a", encoding="utf-8") as f:
                f.write(content)
        start = start + 50
        time.sleep(2)

我们将爬取的评论数据存到了 txt 文件中。

接着，我们将评论数据进行词云展示，代码实现如下：

with open("yy.txt", "r", encoding="utf-8") as f:
    content = f.read()
    stylecloud.gen_stylecloud(text=content, max_words=600,
                              collocations=False,
                              font_path="SIMLI.TTF",
                              icon_name="fas fa-heart",
                              size=800,
                              output_name="yy.png")
    Image(filename="yy.png")

最后，通过词云看一下用户对上述软件的评价情况。

世纪佳缘