当前位置 博文首页 > Python爬虫实战之爬取京东商品数据并实实现数据可视化
Python版本：3.6.4
相关模块：
DecryptLogin模块；
argparse模块；
以及一些python自带的模块。
安装Python并添加到环境变量，pip安装需要的相关模块即可。
原理其实挺简单的，首先，我们利用之前开源的DecryptLogin库来实现一下微博的模拟登录操作：
'''模拟登录京东'''
@staticmethod
def login():
lg = login.Login()
infos_return, session = lg.jingdong()
return session
然后写几行简单的代码来保存一下登录后的会话，省得每次运行程序都要先模拟登录京东：
if os.path.isfile('session.pkl'):
print('[INFO]: 检测到已有会话文件session.pkl, 将直接导入该文件...')
self.session = pickle.load(open('session.pkl', 'rb'))
self.session.headers.update({'Referer': ''})
else:
self.session = JDGoodsCrawler.login()
f = open('session.pkl', 'wb')
pickle.dump(self.session, f)
f.close()
接着去京东抓一波包，一样的套路，有种屡试不爽的感觉：
看看请求这个接口需要提交的参数：
我们可以简单分析一下每个参数的含义：
area: 不用管，可以看作一个固定值 enc: 指定编码, 可以看作固定值"utf-8" keyword: 搜索的关键词 adType: 不用管，可以看作一个固定值 page: 当前的页码 ad_ids: 不用管，可以看作一个固定值 xtest: 不用管，可以看作一个固定值 _: 时间戳
也就是说我们需要提交的params的内容大概是这样子的：
params = {
'area': '15',
'enc': 'utf-8',
'keyword': goods_name,
'adType': '7',
'page': str(page_count),
'ad_ids': '291:19',
'xtest': 'new_search',
'_': str(int(time.time()*1000))
}
构造好需要提交的params之后，只需要利用登录后的session去请求我们抓包得到的接口：
response = self.session.get(search_url, params=params)
然后从返回的数据里解析并提取我们需要的数据就可以啦：
response_json = response.json()
all_items = response_json.get('291', [])
for item in all_items:
goods_infos_dict.update({len(goods_infos_dict)+1:
{
'image_url': item.get('image_url', ''),
'price': item.get('pc_price', ''),
'shop_name': item.get('shop_link', {}).get('shop_name', ''),
'num_comments': item.get('comment_num', ''),
'link_url': item.get('link_url', ''),
'color': item.get('color', ''),
'title': item.get('ad_title', ''),
'self_run': item.get('self_run', ''),
'good_rate': item.get('good_rate', '')
}
})
老规矩，可视化一波我们爬取到的数据呗。以我们爬取到的无人机商品数据为例。首先，我们来看看京东里卖无人机的自营店和非自营店比例吧：
咦，竟然是非自营店占多。我一直以为京东基本都是自营店，虽然我基本不用京东。真是个天大的误解T_T。
接着，我们再来看看京东自己给的商品排名前10的那几家店的商品评论数量呗：
对比一下评论最多的店铺：
看来评论数量和京东给的商品排名并没有直接联系T_T，竟然没有一家店是重复的。
再来看看无人机相关商品的价格分布呗：
