python爬虫练习 爬取美团网酒店信息

东隅已逝,桑榆非晚。

一、分析网页

爬取美团网成都地区的酒店信息

网站的页面是 JavaScript 渲染而成的,我们所看到的内容都是网页加载后又执行了JavaScript代码之后才呈现出来的,因此这些数据并不存在于原始 HTML 代码中,而 requests 仅仅抓取的是原始 HTML 代码。
抓取这种类型网站的页面数据,解决方案如下:

分析 Ajax,很多数据可能是经过 Ajax 请求时候获取的,所以可以分析其接口。

在这里插入图片描述

在XHR里可以找到,Request URL有几个关键参数,uuid和cityId是城市标识,offset偏移量可以控制翻页,分析网页发现,第x页的offset为:(x-1)*20,limit表示每页有20条信息,startDay和endDay为当前的日期。

在这里插入图片描述

在Preview里可以找到每页的20条信息

在这里插入图片描述

模拟JavaScript渲染过程,直接抓取渲染后的结果。

selenium和pyppeteer爬虫就是用的这种方法

二、爬取酒店信息

import requests
import json
import openpyxl
import logging
from concurrent.futures import ThreadPoolExecutor
import random
import time

logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s: %(message)s')
url = "https://ihotel.meituan.com/hbsearch/HotelSearch"
headers = {
    
    
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.162 Safari/537.36",
    "Referer": "https://hotel.meituan.com/chengdu"
}
wb = openpyxl.Workbook()
sheet = wb.active
sheet.append(['酒店名称', '酒店地址', '酒店类型', '最低价', '评价', '评论数', '经度', '纬度'])


def hotel_data(x):
    data = {
    
    
        'utm_medium': 'pc',
        'version_name': 999.9,
        'cateId': 20,
        'attr_28': 129,
        'uuid': '5D4E443EC83DDD49B73F317921EAE16C7B492A634A67FA261773890F730A5932@1600263777783',
        'cityId': 59,
        'offset': x * 20,
        'limit': 20,
        'startDay': 20200916,
        'endDay': 20200916,
        'q': '', 'sort': 'defaults',
        'X-FOR-WITH': '47zbBAV+k1e7QrnKt4lEVXrmtOE9w2OpFfGsKf539CDdXIw4r2V/qICcWVeNACGHWNbD6iL4huPyRVdkNJJwR6dqcoQMyzjUE3cQGWr6YZOwANQOlCSrZ7m1+aahwcnh/dTfaJLMZfxWaJQEISBuKbiMgDC8Vr4eaeWiYASkLl0ByB96MOUz7gfjUTbhlV0ZXvZ/ucwNcK3zxTQjmoBINsAY4HwpKQLpOV2IqV1CtPg=',
    }
    res = requests.get(url, headers=headers, params=data)
    time.sleep(random.randint(1, 3))
    results = json.loads(res.text)['data']['searchresult']
    for con in results:
        name = con['name']              # 酒店名称
        addr = con['addr']              # 酒店地址
        star = con['hotelStar']         # 酒店类型
        price = con['lowestPrice']      # 最低价
        scoreIntro = con['scoreIntro']  # 评价
        comments = con['commentsCountDesc']  # 评论数
        lng, lat = con['lng'], con['lat']    # 经纬度
        data = [name, addr, star, price, scoreIntro, comments, lng, lat]
        sheet.append(data)
        logging.info(data)


if __name__ == '__main__':
    page = [i for i in range(56)]
    with ThreadPoolExecutor(max_workers=4) as executor:
        executor.map(hotel_data, page)
    wb.save("hotel.xlsx")

程序运行成功,酒店信息保存到了Excel。

在这里插入图片描述

猜你喜欢

转载自blog.csdn.net/fyfugoyfa/article/details/108187540