前两天国庆，朋友在看中国好声音，出于对周杰伦以及李健的喜爱，朋友想去鸟巢看10月7号的巅峰之夜，于是...我上了大麦网查看票价，但是出于职业病，不小心就按下了F12，就有了这个项目
言归正传，爬取大麦网
经过反复点击发现，大麦网在经过多次点击之后，会出现需要登录的情况，因此，通过这点分析，我们需要登录的cookie
老套路，直接上代码
不愿意看代码的，可以直接跳过，看最后的总结
import requests
import json
import csv
class Spider(object):
# 构造请求头等
def __init__(self):
self.url = "https://search.damai.cn/searchajax.html"
self.headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36",
"cookie": "_uab_collina=153898386691021526720657; _umdata=70CF403AFFD707DFEB6BA57C56CA3B13E7BD5DAF561D420C384FF4DA75A62F56B2225CEC1DD4846FCD43AD3E795C914C46F57A339EDEC74F7006D0CE8CD77F14; x5sec=7b226d65632d67756964652d7765623b32223a226639303431366238343735643836656338393965393365656533303433646662434f3669374e3046454b2f666a7476302f7244356a41453d227d; cna=b0mIEx9fXWcCAQ6CznyYZjAe; cookie2=18204ab51d2bd14a7326dab901c58057; t=37103c62b8274bb5769837840f8b71a8; _tb_token_=36ed1e7aee13e; x_hm_tuid=PN4CfOch3fJ1yW4MpI+z3hZhs9u9ODTzpfGE7AtbNvax7kg+GG7r3wFIj/ihN/iG; _hvn_login=18; csg=6be6a003; munb=4199098224; damai.cn_nickName=MeisterLee; damai.cn_user=gz4HkAnuV3BDKOniG3I4tVZ2WybxgALVJu0CZ2Xkbi57+SBwd++X2SrBbVRAeGWUGxb2+Rjuqig=; damai.cn_user_new=gz4HkAnuV3BDKOniG3I4tVZ2WybxgALVJu0CZ2Xkbi57%2BSBwd%2B%2BX2SrBbVRAeGWUGxb2%2BRjuqig%3D; h5token=9ccd095300bc4588a090b771e8418b2b_1_1; damai_cn_user=gz4HkAnuV3BDKOniG3I4tVZ2WybxgALVJu0CZ2Xkbi57%2BSBwd%2B%2BX2SrBbVRAeGWUGxb2%2BRjuqig%3D; loginkey=9ccd095300bc4588a090b771e8418b2b_1_1; user_id=116768239; isg=BNfX8KBwQJVhx8QVBH4OF8nuZksr4qxma9qAKCkEQKYNWPSaMO1Azkg-vr5isIP2",
"referer": "https://search.damai.cn/search.htm?ctl=%20%20%20&order=1&cty="
}
self.data = {
"cty": "北京",
"ctl": "演唱会",
"tsg": "0",
"order": "1"
}
self.data_key = None
# 构造IP代理(按需求开启)
# proxies = {
# "http": "http://47.93.56.0:3128",
# "http": "http://39.135.24.12:80",
# }
# 请求url获取响应
def get(self):
response = requests.post(url=self.url, headers=self.headers, data=self.data)
# 测试
# print(response.text)
return response
# 解析数据
def parse(self):
# 将字符串数据转换成字典数据
dict_data = json.loads(self.get().text)
# 测试字典数据是否能解析出来
# print(dict_data["pageData"]["resultData"])
# 将需要的爬取的字典数据存储在变量中
need_spider_data = dict_data["pageData"]["resultData"]
# print(need_spider_data)
# 构造存储头列表,第一种方法
data_key = []
for item in need_spider_data[0]:
data_key.append(item)
# 打印测试
# print(data_key)
self.data_key = data_key
# # 第二种方法
# data_keys = need_spider_data[0].keys()
#
# # 打印测试
# print(data_keys)
return need_spider_data
# 保存为CSV数据
def save(self):
# 构建属性列表
# list = ['actors', 'categoryname', 'cityname', 'description', 'price', 'pricehigh', 'showstatus', 'showtime', 'subcategoryname', 'venue', 'venuecity', 'verticalPic']
list = self.data_key
# 此处出现保存，报错为缺少字段，因此追加一个字段
list.append('favourable')
# 测试list
print(list)
# 数据
my_data = self.parse()
# 测试
print(my_data)
with open("damaiwang" + ".csv", "w", newline="", encoding='utf8') as f:
# 传入头数据，即第一行数据
writer = csv.DictWriter(f, list)
writer.writeheader()
for row in my_data:
writer.writerow(row)
# # 保存为字典数据
# def save_dict(self):
# with open("damaiwang", 'w', encoding='utf8') as f:
# f.write(str(self.parse()))
if __name__ == '__main__':
spider = Spider()
# spider.run()
spider.parse()
spider.save()
在代码中我做了相应的注释，代码还可以继续优化，这里使用的cookie是我自己登录之后的cookie，代码在使用过程中，需要换成自己的cookie
遇到的问题总结
这个爬虫相对来说，是最基础也是最简单的，但是难点在于，如果要对数据做数据分析，就大概率的得把数据转化成CSV格式的文件进行保存，虽然在公司中并不是这么操作(一般直接存进数据库),对于个人项目来说，存成本地的CSV格式的文件就必不可少了。
保存成CSV格式的文件有很多办法，首先，最愚蠢(大智若愚)的办法就是遍历数据，把数据用逗号隔开，这种办法虽然看起来非常愚蠢，但是，我不得不给一个中肯的评价，有时候，在数据杂乱无章的时候，这是唯一的解决办法(实话说，网上有很多办法解决格式转化问题，但数据是千奇百怪的，我们很难预知我们爬取到的数据长什么样子)，这也是我目前还在探索的一个知识点，毕竟写程序最重要的还是解决问题，代码不能提高人工的生产率，要程序何用？
言归正传，这里我调用了Python的内置库——CSV，感兴趣的伙伴可以上网查看一下这个库的其他用法，这里我个人觉得能解决一时的问题，但终归不是一个长久之计
over~ peace~
rel="nofollow">www.limiao.tech
公众号：TechBoard
