前言
利用Python爬取QQ音乐评论。废话不多说。
让我们愉快地开始吧~
开发工具
Python版本：3.6.4
相关模块：
requests模块；
re模块；
pymysql模块；
以及一些Python自带的模块。
环境搭建
安装Python并添加到环境变量，pip安装需要的相关模块即可。
通过这次爬取，学习了数据库MySQL，因为之前都是在windows上操作，而这回需要在Mac上操作，所以就在Mac上安装了MySQL以及MySQL的管理工具Sequel Pro，最后也是安装成功，数据库连接也没有问题。
接下来创建数据库，表格及主键信息。
import pymysql# 创建数据库db = pymysql.connect(host='127.0.0.1', user='root', password='774110919', port=3306)cursor = db.cursor()cursor.execute("CREATE DATABASE QQ_Music DEFAULT CHARACTER SET utf8mb4")db.close()
import pymysql# 创建表格, 设置主键db = pymysql.connect(host='127.0.0.1', user='root', password='774110919', port=3306, db='QQ_Music')cursor = db.cursor()sql = 'CREATE TABLE IF NOT EXISTS comments (nike VARCHAR(255) NOT NULL, comment VARCHAR(255) NOT NULL, praisenum INT NOT NULL, comment_id VARCHAR(255) NOT NULL, time VARCHAR(255) NOT NULL, PRIMARY KEY (comment))'cursor.execute(sql)db.close()
针对QQ音乐中去年夏天的网页进行分析，查看了所有评论的尾页，发现时间缩水了，因为热评中有一条评论的时间7月12号，而所有评论最后一页的时间却是7月16号。很明显，所有评论并不是货真价实的所有评论，不知这算不算QQ音乐的BUG。
还有一个就是直接点击最后一页的时候，并不能直接返回真正的信息，需要从最后一页往前翻，到了真正的信息页时，然后再往后翻，才能得到最后一页的真正信息。
同样是Ajax请求，确认网址后，分析一下请求头，发现主要是三个参数发生变化：jsoncallback
pagenum
lasthotcommentid
pagenum不难理解，就是页数。jsoncallback经过实验后，发现并不会影响请求，所以设置时无需改动，lasthotcommentid的值对应的是上一页最后一个评论者的ID，所以需要随时改动。
即改变pagenum，lasthotcommentid的值，就可成功实现请求。
部分代码
import reimport jsonimport timeimport pymysqlimport requestsURL = 'https://c./base/fcgi-bin/fcg_global_comment_h5.fcg?'HEADERS = {'user-agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36'}PARAMS = {'g_tk': '5381','jsonpCallback': 'jsoncallback4823183319594757','loginUin': '0','hostUin': '0','format': 'jsonp','inCharset': 'utf8','outCharset': 'GB2312','notice': '0','platform': 'yqq','needNewCode': '0','cid': '205360772','reqtype': '2','biztype': '1','topid': '213910991','cmd': '8','needmusiccrit': '0','pagenum': '0','pagesize': '25','lasthotcommentid': '','callback': 'jsoncallback4823183319594757','domain': '','ct': '24','cv': '101010',}LAST_COMMENT_ID = ''db = pymysql.connect(host='127.0.0.1', user='root', password='774110919', port=3306, db='QQ_Music', charset='utf8mb4')cursor = db.cursor()def get_html(url, headers, params=None, tries=3):try:response = requests.get(url=url, headers=headers, params=params)response.raise_for_status()response.encoding = 'utf-8'except requests.HTTPError:print("connect failed")if tries > 0:print("reconnect...")last_url = urlget_html(last_url, headers, tries-1)else:print("3 times failure")return Nonereturn responsedef paras_html(html):data = {}content = json.loads(html[29:-3])for item in content['comment']['commentlist']:data["nike"] = item.get("nick")data["comment"] = re.sub(r"\\n", " ", item.get("rootcommentcontent"))data["comment"] = (re.sub(r"\n", " ", data["comment"]))[0:255]data["praisenum"] = item.get("praisenum")data["comment_id"] = item.get("commentid")data["time"] = time.strftime("%Y-%m-%d %H:%M:%S", time.localtime(int(item.get("time"))))yield datadef to_mysql(data):table = 'comments'keys = ', '.join(data.keys())values = ', '.join(['%s'] * len(data))sql = 'INSERT INTO {table}({keys}) VALUES ({values}) ON DUPLICATE KEY UPDATE'.format(table=table, keys=keys, values=values)update = ','.join([" {key} = %s".format(key=key) for key in data])sql += updatetry:if cursor.execute(sql, tuple(data.values())*2):print('Successful')except:print('Failed')db.rollback()mit()if __name__ == '__main__':main()
最后成功获取评论信息
