python抓取大家对“雪糕刺客”的评论

suger7

随着气温升高，雪糕成了大家解热的首选，但是今年有关高价雪糕的话题频频登上热搜。有一个关于雪糕的流行词估计大家都听说过，那就是“雪糕刺客”，雪糕刺客指的就是包装平平的雪糕们“躲在”冰柜里，在结账的时候可能就会花费十几元，远远超过了大家的价格预期。现在各种网络平台都有吐槽雪糕价格的视频，文章，评论，有些是为了蹭热度，有些是真的吐槽的让大家很有同感。所以我们今天就利用python采集大家在网络平台上对高价雪糕的评价都是怎么样的。

微博，想必大家都非常熟悉。人人都可以在上面发表自己的观点。到现在微博已经成为了官方和明星等“新闻发布”的第一阵地，所以今天我们就以微博作为数据来源，但是在爬取数据前我们先要对网站进行分析，查看下反爬机制是否严，一般网站的反爬机制都是类似的，例如之前讲到的需要判断user-angent和cookies，或者判断请求的ip是否在短时间内多次访问。因为现在各网络平台有了IP归属地功能，所以对IP的需求会更严。这里我们推荐亿牛云代理，提供的是家庭私密高匿代理IP，能更好的帮助我们在获取数据过程中遇到的封IP问题。代理在爬虫程序里面的实现方式如下：

1. #! -*- encoding:utf-8 -*-
   
2. 
   
3.     import requests
   
4.     import random
   
5. 
   
6.     # 要访问的目标页面
   
7.     targetUrl = "http://httpbin.org/ip"
   
8. 
   
9.     # 要访问的目标HTTPS页面
   
10.     # targetUrl = "https://httpbin.org/ip"
    
11. 
    
12.     # 代理服务器(产品官网 www.16yun.cn)
    
13.     proxyHost = "t.16yun.cn"
    
14.     proxyPort = "31111"
    
15. 
    
16.     # 代理验证信息
    
17.     proxyUser = "username"
    
18.     proxyPass = "password"
    
19. 
    
20.     proxyMeta = "http://%(user)s:%(pass)s@%(host)s:%(port)s" % {
    
21.         "host" : proxyHost,
    
22.         "port" : proxyPort,
    
23.         "user" : proxyUser,
    
24.         "pass" : proxyPass,
    
25.     }
    
26. 
    
27.     # 设置 http和https访问都是用HTTP代理
    
28.     proxies = {
    
29.         "http"  : proxyMeta,
    
30.         "https" : proxyMeta,
    
31.     }
    
32. 
    
33. 
    
34.     #  设置IP切换头
    
35.     tunnel = random.randint(1,10000)
    
36.     headers = {"Proxy-Tunnel": str(tunnel)}
    
37. 
    
38. 
    
39. 
    
40.     resp = requests.get(targetUrl, proxies=proxies, headers=headers)
    
41. 
    
42.     print resp.status_code
    
43.     print resp.text

复制代码

上述内容就是利用python实现爬取微博评论的反爬中的一个方法，希望对代理IP这方面有需求的小伙伴有帮助，当然常见的反爬虫方法也不止以上的这些，还有很多更严的网站反爬机制需要我们多在实践中去解决。

zchzzz

123123123

zchzzz

12312321312

zchzzz

1231231231

zchzzz

234324234234234234

zchzzz

121

zchzzz

234234324234

zchzzz

111111111111111111111111111

zchzzz

213123123