识别假货有绝招，就用python爬淘宝评论
与其相忘江湖，不如点击“蓝字”关注
点击上方蓝字关注
你不一定要点蓝字关注我的
请输入标题 bcdef
之前我水平有限，对于淘宝评论这种动态网页，由于数据在网页源码中是找不到的，所以无法抓取数据，只能使用selenium模仿人操控浏览器来抓数据，
优点：可见容易且不宜被淘宝公司封锁；
缺点：速度太慢。
经过今天一天的钻研，终于学会分析数据包，而且淘宝评论的数据包都是以json格式传输的。除了学会抓包，还要会从json中提取出想要的评论数据才行。
请输入标题 abcdefg
本文难点
请输入标题 bcdef
一、分析数据包，找到淘宝评论传输用的网址，分析网址特点
二、如何从找到的数据包中，从json格式内容中得到想要的数据
(抓包难点请先看视频)
https://v.qq.com/txp/iframe/player.html?vid=a03841rsxnu&width=500&height=375&auto=0
请输入标题 abcdefg
案例
请输入标题 bcdef
德国博朗oralb/oral b 欧乐b电动牙刷 成人充电式家用 D12清亮
请输入标题 abcdefg
网址
请输入标题 bcdef
https://detail.tmall.com/item.htm?id=38975978198&ali_refid=a3_430582_1006:1106461044:N:%E7%94%B5%E5%8A%A8%E7%89%99%E5%88%B7:bfee1d767fa0a91e5e853b29d794c6f2&ali_trackid=1_bfee1d767fa0a91e5e853b29d794c6f2&spm=a230r.1.14.1.R0FzCm
请输入标题 abcdefg
打开该网址，点击评论
如图中红色圈中的评论，分析发现，在网页源码中查找不到。
请输入标题 bcdef
找啊找，找啊找，圈中的评论就是不在网页源码中。那只有一种可能，在我们看不到的方式传送。
请输入标题 abcdefg
请输入标题 bcdef
不懂分析抓包的，可以看看下面这篇淘宝评论实战。
通过抓取淘宝评论为例讲解Python爬取ajax动态生成的数据(经典)_AJAX相关_脚本之家
用火狐浏览器，打开开发者工具，点击网络
请输入标题 abcdefg
请输入标题 bcdef
真的找到了啊
接下来我们要知道这个包传递信息的网址
点击消息头，红方框中的请求网址就是这个评论数据包传递的网址
请输入标题 bcdef
网址如下
https://rate.tmall.com/list_detail_rate.htm?itemId=38975978198&spuId=279689783&sellerId=92889104&order=3¤tPage=1&append=0&content=1&tagId=&posi=&picture=&ua=250UW5TcyMNYQwiAiwTR3tCf0J/QnhEcUpkMmQ=|Um5Ockt+RH9FfEZ6QXpEcCY=|U2xMHDJ+H2QJZwBxX39RaVV7W3UyWzAeSB4=|VGhXd1llXGlTaFJrUW1WbVNnUG1PdkN7TnBNeUxzR3pFeEB/QG44|VWldfS0TMwc4BycbIwMtBn0AbSJNNl87ZBVaMRo6FEIU|VmhIGCIWNgsrFy4XKgo0ATkDIx8mHyICNgs2FioUIBo6DjMOWA4=|V25OHjBVPF07RT5XLgAgFCEUNAgxCDQULRAoHUsd|WGFBET8RMQ02Di4SKhIvDzQJNAoxZzE=|WWBAED5bMlM1SzBZIA4uGy4VNQkxCzISJhwjGCN1Iw==|WmNDEz1YMVA2SDNaIw0tES0QLw8zCzIIKBwmHCMWQBY=|W2JCEjxZMFE3STJbIgwsEicbOwc+AToaJhoiFi0RRxE=|XGVFFTteN1YwTjVcJQsrEisePgI8CDERLRkmEiseSB4=|XWREFDpbJksuYgZvFXUwWjhVPkNtTXZKclJuUWhUdEt2SXRAfCp8|XmdHFzkXNws3Az4eIh4rFDQLNg8xBThuOA==|X2ZGFjgWNgkxDy8TKh8hAT4DOAY9B1EH|QHlZCSdMK09uA3IPdB0zEy8TLRMzDzAFORkmGyAUKx5IHg==|QXlZCSdCK0osUilAORc3Z1ltVHRIdk96LAwxET8RMQ4wBTAOO207|QnpaCiQKKnpDeUFhXWFZYUF4RH1dYVt7R3hNbVFqPBwhAS8BIRgnEywRLHos|Q3pHelpnR3hYZF1hQX9HfV1kRHhFZVFxRGRefkVlXX1EZFp6RWVZeU1tWA4=&isg=Anl5FLTxBcTYINlX61XKverNieN0fW04cSauNZurS6AfIpO049emCPMw0pst&needFold=0&_ksTS=1487675147352_694&callback=jsonp695
请输入标题 bcdef
看起来网址太长，太复杂（稍安勿躁），那么先复制网址，在浏览器上打开看看是什么东西
请输入标题 abcdefg
请输入标题 bcdef
复杂的网址中，有些乱七八糟的可以删除，有意义的部分保留。切记删除一小部分后先尝试能不能打开网页，如果成功再删减，直到不能删减。最后保留下来的网址，如下
https://rate.tmall.com/list_detail_rate.htm?itemId=38975978198&spuId=279689783&sellerId=92889104&order=3&callback=jsonp698¤tPage=1
currentPage=1意思是当前页码是第一页。如果改动为currentPage=3表示是第三页。
请输入标题 abcdefg
好了，下面是代码
请输入标题 bcdef
import requests
import json
import simplejson
headers = {
'Connection': 'keep-alive',
'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10.12; rv:51.0) Gecko/20100101 Firefox/51.0'
}
base_url = 'https://rate.tmall.com/list_detail_rate.htm?itemId=38975978198&' \
'spuId=279689783&sellerId=92889104&order=3&callback=jsonp698'
#在base_url后面添加¤tPage=1就可以访问不同页码的评论
#将响应内容的文本取出
tb_req = requests.get(base_url, headers=headers).text[12:-1]
#将str格式的文本格式化为字典
tb_dict = simplejson.loads(tb_req)
#编码： 将字典内容转化为json格式对象
tb_json = json.dumps(tb_dict, indent=2) #indent参数为缩紧，这样打印出来是树形json结构，方便直观
#解码： 将json格式字符串转化为python对象
review_j = json.loads(tb_json)
#这里的0是当前页的第一个评论，每页面其实是有20个评论的
print(review_j["rateDetail"]["rateList"][0]['rateContent'])
请输入标题 abcdefg
上面只是抓了一个评论。下面是抓取近100页的网页所有评论，代码如下
请输入标题 bcdef
import requests
import json
import time
import simplejson
headers = {
'Connection': 'keep-alive',
'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10.12; rv:51.0) Gecko/20100101 Firefox/51.0'
}
base_url = 'https://rate.tmall.com/list_detail_rate.htm?itemId=38975978198&' \
'spuId=279689783&sellerId=92889104&order=3&callback=jsonp698'
#在base_url后面添加¤tPage=1就可以访问不同页码的评论
for i in range(2, 98, 1):
url = base_url + '¤tPage=%s' % str(i)
#将响应内容的文本取出
tb_req = requests.get(base_url, headers=headers).text[12:-1]
print(tb_req)
#将str格式的文本格式化为字典
tb_dict = simplejson.loads(tb_req)
#编码： 将字典内容转化为json格式对象
tb_json = json.dumps(tb_dict, indent=2) #indent参数为缩紧，这样打印出来是树形json结构，方便直观
#print(type(tb_json))
#print(tb_json)
#解码： 将json格式字符串转化为python对象
review_j = json.loads(tb_json)
for p in range(1, 20, 1):
print(review_j["rateDetail"]["rateList"][p]['rateContent'])
time.sleep(1)
请输入标题 abcdefg
支持
一下
你的支持就是我最大的动力
暖心
暖心
我会
坚持
写下去
请输入标题 bcdef
支持后请将支持截图发至后台，您的支持大邓老师铭记在心
请输入标题 abcdefg