查看原文
其他

爬了7000+条内衣信息,只为探究妹纸们的偏好!

51CTO技术栈 2020-02-19

The following article comes from 萝卜大杂烩 Author 周萝卜

为了探究妹纸们的偏好,我爬了网易严选妹子内衣信息总共是七千多条数据,下面一起来看看网易严选商品评论的获取和分析。


图片来自 Pexels

声明:这是一篇超级严肃的技术文,超!级!严!肃!请本着学习交流的态度阅读,谢谢!


分析网页


①评论分析


进入到网易严选官网,搜索“文胸”后,先随便点进一个商品。
在商品页面,打开 Chrome 的控制台,切换至 Network 页,再把商品页面切换到评价标签下,选择一个评论文字,如“薄款、穿着舒适、满意”,在 Network 中搜索。
可以发现,评论文字是通过 listByItemByTag.json 传递过来的,点击进入该请求,并拷贝出该请求的 URL:
https://you.163.com/xhr/comment/listByItemByTag.json?csrf_token=060f4782bf9fda38128cfaeafb661f8c&__timestamp=1571106038283&itemId=1616018&tag=%E5%85%A8%E9%83%A8&size=20&page=1&orderBy=0&oldItemTag=%E5%85%A8%E9%83%A8&oldItemOrderBy=0&tagChanged=0

将该 URL 放入 Postman 中,逐个尝试 url query params,最后能够发现,只需保留 itemId 和 page 两个请求参数即可。

请求返回的是一个 JSON 格式的数据,下面就是分析该 JSON 数据了。


不难发现,所有的评论数据都存储在 commentList 中,我们只需保存该数据即可。


下面就是如何获取 itemId 的信息了,这个是产品的 ID,我们回到网易严选首页,继续分析。


②产品 ID 获取


当我们在搜索框中输入关键字进行搜索的时候,同样能够发现在 Network 中有很多请求。


此时可以观察各个请求,通过请求文件的名称(此处需要一些经验,守规矩的程序员都不会乱起名字),我们可以定位到搜索时展示搜索结果的请求。
搜索一般都是 search,所以我们就锁定了这个 search.json 的请求。同样把请求 URL 拷贝到 Postman 中,逐个验证传参,最后保留 page 和 keyword 两个参数即可。

该请求返回的数据较多,还是需要耐心的分析数据,也能够发现,在 result->data->directly->searcherResult->result 下面的 id 值,即为我们要获取的产品 ID。


以上,我们基本完成了前期的分析工作,下面开始代码的编写。


编写代码


①获取产品 ID


代码如下:

def search_keyword(keyword):
    uri = 'https://you.163.com/xhr/search/search.json'
    query = {
        "keyword": keyword,
        "page"1
    }
    try:
        res = requests.get(uri, params=query).json()
        result = res['data']['directly']['searcherResult']['result']
        product_id = []
        for r in result:
            product_id.append(r['id'])
        return product_id
    except:
        raise


我这里是获取了 page 为 1 的产品 ID,下面就是通过产品 ID 来获取不同产品下的评论信息。


②获取数据存储


通过前面的分析,我们可以知道,评论信息都是如下形式的,对这种形式的信息,我们可以很方便地存储进入 MongoDB,然后再慢慢分析数据里的内容。
{
                "skuInfo": [
                    "颜色:肤色",
                    "杯码:75B"
                ],
                "frontUserName""1****8",
                "frontUserAvatar""https://yanxuan.nosdn.127.net/f8f20a77db47b8c66c531c14c8b38ee7.jpg",
                "content""质量好,穿着舒服",
                "createTime"1555546727635,
                "picList": [
                    "https://yanxuan.nosdn.127.net/742f28186d805571e4b3f28faa412941.jpg"
                ],
                "commentReplyVO"null,
                "memberLevel"4,
                "appendCommentVO"null,
                "star"5,
                "itemId"1680205
            }

对于 MongoDB,我们既可以自己搭建,也可以使用网上免费的服务。在这里我介绍一个免费的 MongoDB 服务网站:mlab,使用很简单,就不过多介绍使用过程了。


数据库有了,下面就是把数据保存进去了:
def details(product_id):
    url = 'https://you.163.com/xhr/comment/listByItemByTag.json'
    try:
        C_list = []
        for i in range(1100):
            query = {
                "itemId": product_id,
                "page": i,
            }
            res = requests.get(url, params=query).json()
            if not res['data']['commentList']:
                break
            print("爬取第 %s 页评论" % i)
            commentList = res['data']['commentList']
            C_list.append(commentList)
            time.sleep(1)
            # save to mongoDB
            try:
                mongo_collection.insert_many(commentList)
            except:
                continue
        return C_list
    except:
        raise

最后爬取完成之后,总共是七千多条数据,下面就可以根据个人需要做一些分析了。
爬取的数据 MongoDB 链接:
conn = MongoClient("mongodb://%s:%s@ds149974.mlab.com:49974/you163" % ('you163''you163')) db = conn.you163 mongo_collection = db.you163


商品评论数据分析


下面就到了激动人心的时刻了,一探妹子偏好!


偏好颜色


先来看看妹子们偏好的颜色:

可以看出,黑色是遥遥领先的哦,这里你要做到心中有数!


再通过饼状图来观察下不同颜色的占比情况:

那么这些颜色中,有你的她喜欢的吗?


尺寸分布


再来看看妹子们的尺寸分布:

没有问题,75B 就是大多数妹子的尺寸了!


如果你对这种罩杯尺寸没有研究的话,不要紧,贴心的我给你准备了对照表,拿走不谢!

商品评论


最后我们再来看看妹子们对于商品的评价情况:

就星级评价上来看,大多数都是五星好评,毕竟打着“严选”的名号,质量是必须有保证的。


再来看看在评论区,妹子最喜欢用什么词语来描述呢:

舒服、很舒服,非常舒服;满意、很满意,非常满意。


仿佛进入了“夸夸群”,看来妹子们首要看重的就是舒服与否,毕竟是贴身的,质量最重要!


好了,看了上面的分析,单身的你是不是更加有了脱单的冲动?如果是已经有软妹傍身的你,是不是该下手讨好下身边的她了呢?


完整代码如下:
https://github.com/zhouwei713/data_analysis/tree/master/you163_spider

作者:周萝卜

编辑:陶家龙、孙淑娟

出处:转载自微信公众号萝卜大杂烩(ID:luobodazahui)

精彩文章推荐:

可怕!4.68亿个人信息泄露,7家涉案公司被查!
假如曹操是一名程序员,会发生什么?
可怕!爱在朋友圈晒自拍的妹子们一定要看!

    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存