python获取度娘热搜数据并保存成Excel

一、获取目标、准备工作

1、获取目标： 本次获取教程目标：某度热搜

2、准备工作

• 环境python3.x
• requests
• pandas

       requests跟pandas为本次教程所需的库，requests用于模拟http请求，pandas用于数据处理(将结果保存为Excel)。

• 在Chrome浏览器中打开需要请求的页面，然后F12打开浏览器的控制台。点击Network选择网络，然后再点击XHR。找到相应的XHR请求，就能获取到热搜数据接口了。

二、开始编码

1. 导入所依赖的库

import requests
import pandas as pd

2. 构造一个请求头：

browse_header = {
    
    
    "Accept": "application/json, text/plain, */*",
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/100.0.4896.60 Safari/537.36",
    "Host": "top.baidu.com",
    "Referer": "https://top.baidu.com/board",
}

3. 定义一个请求接口，即数据地址

url = "https://top.baidu.com/api/board?platform=wise&tab=realtime"

4. 发送请求，由于接口返回的是JSON格式，所以这里一步到位，将响应结果也转成JSON格式。

json = requests.get(url, headers=browse_header).json()

5. 注意：某度热搜有两种热搜，一个置顶热搜、一个普通热搜，所以我们得分开获取。

# 爬取置顶热搜
top_content_list = json['data']['cards'][0]['topContent']
# 爬取普通热搜
content_list = json['data']['cards'][0]['content']

6. 然后再分别进行json解析，对应的字段（标题、排名、热搜指数、描述、链接地址）。

df = pd.DataFrame(  # 拼装爬取到的数据为DataFrame
	{
    
    
		'热搜标题': title_list,
		'热搜排名': order_list,
		'热搜指数': score_list,
		'描述': desc_list,
		'链接地址': url_list
	}
)
df.to_excel('百度热搜榜.xlsx', index=False)  # 保存结果数据

完成代码：

import requests
import pandas as pd

browse_header = {
    
    
    "Accept": "application/json, text/plain, */*",
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/100.0.4896.60 Safari/537.36",
    "Host": "top.baidu.com",
    "Referer": "https://top.baidu.com/board",
}
url = "https://top.baidu.com/api/board?platform=wise&tab=realtime"
json = requests.get(url, headers=browse_header).json()

# 爬取置顶热搜
top_content_list = json['data']['cards'][0]['topContent']
print(top_content_list)
# 爬取普通热搜
content_list = json['data']['cards'][0]['content']
print(content_list)
title_list = []
order_list = []
score_list = []
desc_list = []
url_list = []
for top_item in top_content_list:
    title_list.append(top_item.get('word'))
    order_list.append("置顶")
    score_list.append(top_item.get("hotScore"))
    desc_list.append(top_item.get("desc"))
    url_list.append(top_item.get("url"))
index = 0
for content in content_list:
    index += 1
    title_list.append(content.get('word'))
    order_list.append(index)
    score_list.append(content.get("hotScore"))
    desc_list.append(content.get("desc"))
    url_list.append(content.get("url"))
df = pd.DataFrame({
    
    
    '热搜标题': title_list,
    '热搜排名': order_list,
    '热搜指数': score_list,
    '描述': desc_list,
    '链接地址': url_list
})
df.to_excel('百度热搜榜.xlsx', index=False)  # 保存结果数据

最后，查看一下获取到的数据：

一共31条数据（1条置顶热搜+30条普通热搜）。

三、总结

以上就是整个获取的数据，如果你们有其他数据需要用python获取的，欢迎在评论区留言。最后给你们推荐一个前端实用工具：JS加密工具。