关于python:用Python爬取了三大相亲软件评论区结果

9次阅读

共计 1682 个字符，预计需要花费 5 分钟才能阅读完成。

小三：怎么了小二？一副愁眉不展的样子。

小二：唉！这不是快过年了吗，家里又催相亲了 …

小三：当初不是风行网恋吗，你能够试试相亲软件呀。

小二：这玩意靠谱吗？

小三：我也没用过，你本人看看软件评论区吧。

小二：这 … 不过也只能先到评论区看看了。

本文以 360 手机助手为例，地址为：http://zhushou.360.cn/，相亲软件抉择 3 个比拟风行的，别离为：世纪佳缘、百合婚恋、有缘网，咱们应用 Python 爬取软件评论区，看看用户评估状况。
先来看一下这三款软件的下载量和好中差评占比状况（下图单位为万次）。

上面开始爬取评论区，以世纪佳缘为例，首先，在搜寻框输出世纪佳缘进行搜寻，如图所示：

接着，点击搜寻到的软件进入其详情页，如图所示：

将页面向下拉就能够看到评论区了，如图所示：

此时关上开发者工具并抉择 Network 项，点击查看更多评论，而后能够看到 getComments 申请，如图所示：

通过这个申请咱们就能够动静获取评论区数据了，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，能够通过参数 callback、baike 指定不同利用，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 格局
        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)

咱们将爬取的评论数据存到了 txt 文件中。

接着，咱们将评论数据进行词云展现，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")

最初，通过词云看一下用户对上述软件的评估状况。

世纪佳缘：

百合婚恋：

有缘网：