無需編程的爬蟲 - 爬取京東的評論

【原創】轉載請注明作者Johnthegreat和本文鏈接

 

做電商時，消費者對商品的評論是很重要的，但是不會寫代碼怎么辦？這里有個Chrome插件可以做到簡單的數據爬取，一句代碼都不用寫。下面給大家展示部分抓取后的數據：

 

 

 

可以看到，抓取的地址，評論人，評論內容，時間，產品顏色都已經抓取下來了。那么，爬取這些數據需要哪些工具呢？就兩個：

1. Chrome瀏覽器；

2. 插件：Web Scraper

插件下載地址：https://chromecj.com/productivity/2018-05/942.html

 

最后，如果你想自己動手抓取一下，這里是這次抓取的詳細過程：

1. 首先，復制如下的代碼，對，你不需要寫代碼，但是為了便於上手，復制代碼還是需要的，后續可以自己定制和選擇，不需要寫代碼。

 

{
    "_id": "jdreview",
    "startUrl": [
        "https://item.jd.com/100000680365.html#comment"
    ],
    "selectors": [
        {
            "id": "user",
            "type": "SelectorText",
            "selector": "div.user-info",
            "parentSelectors": [
                "main"
            ],
            "multiple": false,
            "regex": "",
            "delay": 0
        },
        {
            "id": "comments",
            "type": "SelectorText",
            "selector": "div.comment-column > p.comment-con",
            "parentSelectors": [
                "main"
            ],
            "multiple": false,
            "regex": "",
            "delay": 0
        },
        {
            "id": "time",
            "type": "SelectorText",
            "selector": "div.comment-message:nth-of-type(5) span:nth-of-type(4), div.order-info span:nth-of-type(4)",
            "parentSelectors": [
                "main"
            ],
            "multiple": false,
            "regex": "",
            "delay": "0"
        },
        {
            "id": "color",
            "type": "SelectorText",
            "selector": "div.order-info span:nth-of-type(1)",
            "parentSelectors": [
                "main"
            ],
            "multiple": false,
            "regex": "",
            "delay": 0
        },
        {
            "id": "main",
            "type": "SelectorElementClick",
            "selector": "div.comment-item",
            "parentSelectors": [
                "_root"
            ],
            "multiple": true,
            "delay": "10000",
            "clickElementSelector": "div.com-table-footer a.ui-pager-next",
            "clickType": "clickMore",
            "discardInitialElements": false,
            "clickElementUniquenessType": "uniqueHTMLText"
        }
    ]
}

 

2. 然后打開chrome瀏覽器，在任意頁面同時按下Ctrl+Shift+i，在彈出的窗口中找到Web Scraper，如下：

 

 

 

 

3. 如下：

 

 

4. 如圖，粘貼上述的代碼：

 

 

 

 

5. 如圖，如果需要定制網址，注意替代一下，網址后面的#comment是直達評論的鏈接，不能去掉：

 

 

 

6. 如圖：

 

 

 7. 如圖：

 

 

 

8. 如圖，點擊Scrape后，會自動運行打開需要抓取得頁面，不要關閉窗口，靜靜等待完成，完成后右下方會提示完成，一般1000條以內的評論不會有問題：

 

 

 

9. 最后，點擊下載到電腦，數據保存好。

 

 

 

 

使用這個工具的好處是：

1. 不需要編程；

2. 京東的評論基本可以通用此腳本，修改對應的url即可；

3. 如果需要爬取的評論不到1000條，這個工具會非常稱手，所有的數據完全自動下載；

 

使用的注意點：

1. 抓取過一次的數據會有記錄，立刻再次抓取將不會保存，建議關閉瀏覽器重新打開后再試；

2. 抓取數量:1000條以內沒有問題，可能是京東按照IP直接阻止了更多的爬取；

 

如果使用中發現問題，歡迎評論區交流，當然，如果你的英語水平不錯，可以嘗試閱讀官方文檔，進一步學習和定制自己的爬蟲。

官方教程：https://www.webscraper.io/documentation