今天收到一個消息，阿里95億美元拿下餓了麼。阿里巴巴已經簽訂收購協議，聯合螞蟻金服用95億美元兌餓了麼全資收購。現在我用Python抓取餓了麼的外賣數據。
■1、環境介紹：
win10 64bit
python 3.6.0
openpyxl 2.4.2（操作excel）
■、目的
根據區域統計該區域附近的外賣商家總數、和所有商家的月銷售情況
■3、網頁截圖
首先我們通過這張圖能發現
URL請求是：https://mainsite-restapi.ele.me/v2/pois?extras%5B%5D=count&geohash=wx4g0bmjetr7&keyword=%E6%9C%9D&limit=20&type=nearby
分析請求參數和url 就不難發現，其實URL 請求 “？” 後面的內容 其實是編碼之後的請求參數
這樣，我們抓取該頁面的數據就很好弄了，
■首先構造headers
■其次，我們自己維護一個關鍵字集合，
■通過遍歷，構造不同的請求參數，
■發送請求，獲取數據，並將數據保存在excel 中
輸入圖片描述
我們來看一下網頁信息：
網頁隨便選取一處地點，就會跳轉到上面的頁面，
我們向下滑動鼠標的時候，網頁是動態加載數據的，我們打開這個網頁的時候，首先清空所有的頁面請求，然後滑動鼠標，可以看到網頁會自動去請求數據，
分析url可以發現，
url請求是：
https://mainsite-restapi.ele.me/shopping/restaurants?extras%5B%5D=activities&geohash=wx4ffdh2dge&latitude=39.86949&limit=24&longitude=116.48301&offset=24&terminal=web
header：
請分析url請求和請求參數 也可以發現，“？”後面的內容是編碼之後的請求參數，
limit參數 可以理解成，每次加載的數據條數是24條
至於offset，我們滾動幾次鼠標滑輪，就會發現，offset 是以24為基礎遞增的，0,24,48,72,96.....
這樣我們需要循環取數據，直到該商圈地點附近沒有外賣商家信息，進行下一個商圈地點的數據爬取
所以我們的策略是構造header請求，
根據上一節存儲到excel 的數據，構造請求參數，
循環發送請求，每次設定不同的偏移量（offset），取得數據，寫入新的excel 中
■2、代碼如下：
#爬餓了麼外賣數據--區域下各個地點的商家集合
#https://mainsite-restapi.ele.me/v2/pois?
#extras%5B%5D=count&geohash=wx4g0bmjetr7&keyword=%E6%9C%9D%E9%98%B3&limit=20&type=nearby
import urllib.request
import os
import json
import time
from openpyxl import Workbook
from openpyxl import load_workbook
keywordExcel="D:\worksapce\python\爬蟲餓了麼\\keyword.xlsx"
keywords=[]
targetDir ="D:\worksapce\python\爬蟲餓了麼"#文件保存路徑
def excelName():#根據日期生成文件
ifnot os.path.isdir(targetDir):
os.mkdir(targetDir)
excelName=str(time.strftime ("%Y-%m-%d")+".xlsx")
completePath=targetDir+"\"+excelName
return completePath
def reqsetting():#初始化url請求，需要實時替換的是extral 和 header裡的referer
weburl = "https://mainsite-restapi.ele.me/shopping/restaurants?"
extra1="extras%5B%5D=activities&geohash=wx4g56v1d2m&latitude=39.91771&limit=24&longitude=116.51698&offset=0&terminal=web"
webheaders={
"Accept":"application/json, text/plain, */*",
"Accept-Language":"zh-CN,zh;q=0.8",
"Connection":"keep-alive",
"Cookie":"ubt_ssid=plds7ye19rj2rghg3oaar8hkt89yy7f1_2017-02-07; _utrace=ac9073c509bedb74b28a1482bd95a9d8_2017-02-07",
"Host":"mainsite-restapi.ele.me",
"Origin":"https://www.ele.me",
#"Referer":"https://www.ele.me/place/wx4g56v1d2m",
"User-Agent":"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.75 Safari/537.36"
}
req=urllib.request.Request(url=weburl,headers=webheaders)
return req
def write2Excel(jsondata,title):#根據不同的商圈地點寫入數據，每個商圈地點佔用excel 的一個sheet
fileName=excelName()
isexit="false"
if(os.path.exists(fileName)):
wb=load_workbook(fileName)
isexit="true"
else :
wb=Workbook()
if(wb.__contains__(title)):
ws=wb[title]
ws.append([])
else:
ws=wb.create_sheet(title)
ws.column_dimensions["A"].width =10.0
ws.column_dimensions["B"].width =40.0
ws.column_dimensions["C"].width =60.0
ws.column_dimensions["D"].width =10.0
ws.column_dimensions["E"].width =18.0
ws.column_dimensions["F"].width =10.0
ws.append(["ID","店名","地址","距離","人均消費","月銷售額"])
for i in range(len(jsondata)):
-
row=jsondata[i]
#print(type(row))
if("average_cost"notin row.keys()):
row["average_cost"]="無人均消費數據"
ws.append([row["id"],row["name"],row["address"],row["distance"],row["average_cost"],row["recent_order_num"]])
wb.save(fileName)
def readKeyWordFromExcel():#從上一節生成的keywordExcel 中加載商圈地點
fileName=keywordExcel
if(os.path.exists(fileName)):
wb=load_workbook(fileName)
else:
return
for title in wb.sheetnames:
ws=wb[title]
for i in range(2,ws.max_row):
infos={}#商圈地點數據，為生成請求參數做準備
infos["name"]=ws.cell(row=i,column=4).value
print("正在爬取 %s 附近外賣商家的數據..." % infos["name"])
infos["ID"]=ws.cell(row=i,column=1).value
infos["geohash"]=ws.cell(row=i,column=3).value
infos["longitude"]=ws.cell(row=i,column=7).value
infos["latitude"]=ws.cell(row=i,column=8).value
if(infos["geohash"]):
req=reqsetting()
req.add_header("Refer","https://www.ele.me/place/%s" % infos["geohash"])#修改請求頭的refer
newUrl=req.get_full_url()
offset=0
contentBytes=""
while(contentBytes!="[]"):#構造請求參數，基本上只修改offset 偏移量數據
params={
"extras[]":"activities",
"geohash":"%s" % infos["geohash"],
"latitude":"%s" % infos["latitude"],
"longitude":"%s" % infos["longitude"],
"terminal":"web",
"limit":24,
"offset":offset
}
params=urllib.parse.urlencode(params)#請求參數編碼
req.full_url=newUrl+params #重新生成url請求
webpage=urllib.request.urlopen(req)
contentBytes = webpage.read().decode("utf-8")
if(contentBytes!="[]"):
jsondata=json.loads(contentBytes)
write2Excel(jsondata,infos["name"])#將請求數據寫入excel中
offset+=24#便宜
else :
break
if __name__ == '__main__': #程序運行入口
offset=0;
readKeyWordFromExcel()
點擊此處輸入圖片描述
閱讀更多 愛編程的南風 的文章
