CSDN评论区粉丝抽奖程序 测试版1.1【python萌新自制】

---

前言

为了巩固所学的知识，作者尝试着开始发布一些学习笔记类的博客，方便日后回顾。当然，如果能帮到一些萌新进行新技术的学习那也是极好的。作者菜菜一枚，文章中如果有记录错误，欢迎读者朋友们批评指正。

一、机缘巧合

• 近期我开始着手于粉丝福利送书活动，需要在评论区随机抽取一些粉丝送出实体好书。为了完成这个任务，我需要手动复制粘贴粉丝的名字，并下载相应的抽奖程序，然后手动录入粉丝名单，这一系列繁琐的操作让我觉得非常麻烦
• 无独有偶，我最近正在实习中，有机会接触和学习有关 Python 的知识。我初步学习了一些 Python 爬虫技术，能够简单地爬取一些网页数据。于是，我决定尝试着动手实现一个简易的 Python 爬虫程序，用于自动获取评论区粉丝的名字，并实现随机抽取的功能
• 请大家见谅，因为我是 Java 选手，刚刚入门 Python，所以水平有限，程序设计的过程中难免有不足之处，欢迎大家大提出宝贵意见和批评指正

二、 设计思路

• 首先，我计划使用 Python 爬虫技术从评论区获取粉丝的名字。通过分析评论区的网页结构，我可以编写爬虫程序来提取相关数据。使用 Python 的请求库（如 Requests ）和解析库（如 BeautifulSoup ），我可以发送请求并从页面中提取所需信息，例如粉丝的用户名。
• 一旦获取到了粉丝名字的列表，接下来我可以使用 Python 的随机化库（如random）来实现随机抽取的功能。通过调用适当的方法，我可以从粉丝名字的列表中随机选择若干位粉丝作为获奖者。

三、前置知识

1. 如何发送get请求解析url（基础）

• 要解析 Python 中 Request 返回的 HTML DOM，你可以使用解析库，如 BeautifulSoup 或 lxml，来处理 HTML 文档。下面是使用 Beautiful Soup 的示例代码：
• 首先，确保你已经安装了所需的库。对于 Beautiful Soup，你可以使用 pip install beautifulsoup4 进行安装。

1. BeautifulSoup 是一个 Python 库，用于网络爬虫目的。它提供了一种方便和高效的方式来从 HTML 和 XML 文档中提取数据。使用 BeautifulSoup，你可以解析和遍历 HTML 结构，搜索特定元素，并从网页中提取相关数据。
2. 该库支持不同的解析器，如内置的 Python 解析器、lxml 和 html5lib，允许你根据特定需求选择最适合的解析器。BeautifulSoup 的优势在于它能够处理格式混乱或损坏的 HTML 代码，使其成为处理复杂情况下的网络爬虫任务的强大工具。

import requests
from bs4 import BeautifulSoup

# 发送请求获取 HTML
response = requests.get(url)
html = response.text

# 创建 Beautiful Soup 对象
soup = BeautifulSoup(html, 'html.parser')

# 通过选择器选择 DOM 元素进行操作
element = soup.find('div',id='my-element')

• 在上面的示例中，requests.get(url) 发送请求并获取 HTML 响应。然后，我们使用 response.text 获取响应的 HTML 内容，并将其传递给 Beautiful Soup 构造函数 BeautifulSoup(html, ‘html.parser’)，创建一个 Beautiful Soup 对象 soup。
• 接下来，你可以使用 Beautiful Soup 提供的方法和选择器，如 find()，来选择 HTML DOM 中的特定元素。在上述示例中，我们通过 find() 方法选择具有 id 为 my-element 的元素。

2. 如何发送post请求解析url

解析一个请求主要关注以下几个方面

• 请求类型（post、get…）
• 请求路径(网址)
• 请求头（如图）

• 请求参数（post 请求是隐式参数，而浏览器发送的是 get 请求，这意味着发 post 请求的接口数据无法通过发 get 请求直接获取到）

以下是一个示例代码

import json

import requests
def main():
    #这是获取广州青年报响应数据的一个模拟测试类
    url = 'https://www.gzyouthnews.org.cn/index/index'
    header = {
        'X-Requested-With':'XMLHttpRequest'
    }
    data={
        'act':'list',
        'date':'2023-08-10',
        'paper_id':1
    }
    res = requests.post(url=url,headers=header,data=data)
    list = json.loads(res.text)
    for i in list:
        print(i.get('edition'))

if __name__ == '__main__':
    main()

3. 如何添加常用的请求头

• 如果想在实际的代码中设置 HTTP 请求头，可以通过使用相应编程语言和 HTTP 库的功能来完成。下面是一个示例，显示如何使用 Python 的 requests 库添加常用的请求头：

import requests

url = "https://example.com"
headers = {
    "User-Agent": "Mozilla/5.0",
    "Accept-Language": "en-US,en;q=0.9",
    "Referer": "https://example.com",
    # 添加其他常用请求头...
}

response = requests.get(url,stream=True, headers=headers)

• 在上述示例中，我们创建了一个 headers 字典，并将常用的请求头键值对添加到字典中。然后，在发送请求时，通过传递 headers 参数将这些请求头添加到 GET 请求中。
  请注意，实际使用时，可以根据需要自定义请求头部。常用的请求头包括 “User-Agent”（用户代理，用于识别客户端浏览器/设备）、“Accept-Language”（接受的语言）、“Referer”（来源页面）等。

4. 字符串格式化

字符串格式化是一种将变量或数据插入到字符串中的方法，以创建具有特定格式的文本。在 Python 中，字符串格式化可以通过多种方式实现。

一种常用的字符串格式化方式是使用百分号（%）操作符。这种方法使用占位符来表示要插入的变量，并在%操作符后面提供相应的值。例如：

name = "Alice"
age = 25
message = "My name is %s and I am %d years old." % (name, age)
print(message)

输出结果将是：

My name is Alice and I am 25 years old.

在上面的例子中，%s 是字符串占位符，%d 是整数占位符。% 操作符后的括号中依次提供了要插入的变量（name 和 age）。

5. 如何解析JSON格式

• 要获取 JSON 数据中的 title 属性的值，你可以使用 Python 的 json 模块来解析 JSON 数据。在你的示例数据中，title 属性位于 data 字典中的 pageArticleList 列表中的每个元素中。
• 下面是一个示例代码，演示如何获取 title 属性的值：

import json

# 假设你已经获取到了 JSON 数据，将其存储在 json_data 变量中
json_data = '''
{
  "status": 200,
  "message": "success",
  "datatype": "json",
  "data": {
    "pageArticleList": [
      {
        "indexnum": 0,
        "periodid": 20200651,
        "ordinate": "",
        "pageid": 2020035375,
        "pagenum": "6 科协动态",
        "title": "聚焦“科技创新+先进制造” 构建社会化大科普工作格局"
      }
    ]
  }
}
'''

# 解析 JSON 数据
data = json.loads(json_data)

# 提取 title 属性的值
title = data["data"]["pageArticleList"][0]["title"]

# 输出 title 属性的值
print(title)

• 在上述示例中，我们将示例数据存储在 json_data 字符串中。然后，我们使用 json.loads() 函数将字符串解析为 JSON 数据，将其存储在 data 变量中。

• 然后，我们可以通过字典键的层级访问方式提取 title 属性的值。在这个示例中，我们使用 data[“data”][“pageArticleList”][0][“title”] 来获取 title 属性的值（类似于数组，一个层级就用一个[]）。

• 最后，我们将结果打印出来或根据需求进行其他处理。

• 或者是用 get() 获取具体属性的值

list = json.loads(res.text)
    for i in list:
        print(i.get('edition'))

四、开始编程探索

• 首先我们按照上面给的模板去编写代码，编写一个发送 get 请求的示例程序，这里以我个人的博客 《4个维度讲透ChatGPT技术原理，揭开ChatGPT神秘技术黑盒【文末送书】》 为例子，先找到对应的 dom 节点
  

• 进行代码调试，查找是否正常获取到了我们想要的节点

• 我们发现包含所有评论区粉丝名称的 id 为 pcCommentSideBox 的 dom 节点内容为空，并没有发现在页面上看到的其他 dom 结点。
• 其实到这里我们可以根据经验知道，评论区的数据是通过接口渲染上去的，而不是直接渲染在页面的 dom 结构中，于是我们去网页上的控制台去找对应的数据渲染接口

• 通过一条一条查看请求，我们终于找到了对应的渲染评论区数据的返回 json 数据格式的请求

• 并且通过查看该请求的消息头，我们不难发现该请求的请求类型为 POST，并且该API接口的请求路径为

https://blog.csdn.net/phoenix/web/v1/comment/list/132666724?page=2&size=10&fold=unfold

• 并且我们发现被折叠的评论路径参数中的 fold 属性值为 fold，而没被折叠的路径fold参数值为unfold，被折叠的评论是无效（评论过短或者包涵敏感词汇或者是与讨论与博客无关的内容）的，此处不参与抽奖，故不做处理

• 我们直接去访问该接口，发现只有 10 条数据，并不是完整的评论区的数据

• 那我们的评论区有多少条评论呢？怎么算的呢？通过下图我们发现总评论数量是包括折叠和被折叠的

• 当你回过头仔细查看页面你会发现，随着你点击查看更多评论，类似的请求也会越来越多

• 当你去比对他们的请求路径你会发现，他们之间的区别就是路径中的 page 参数不同而已，不难推断，一个 page 就是一个页面（评论总数 - 折叠数 的差值 / 10 向上取整），当把所有的 page 都集齐了，就获取到了评论区的所有的评论，进一步也就能获取到评论区所有粉丝的名字

• 于是，我们将原来的 GET 请求改为 POST 请求，并将路径中的 page 参数通过动态拼接赋值 + for 循环遍历所有的页面，示例如下

    #假设有19页评论
    for index in range(0,20):
      # 示例博客地址
      url = "https://blog.csdn.net/phoenix/web/v1/comment/list/132666724?page=%s&size=10&fold=unfold" % (index)

• 此处不加请求头是访问不到带有 JSON 数据的接口的，故在这里添加了常用的请求头，如果还不行，考虑多加几个常用的请求头和加参数

      headers = {
          "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.130 Safari/537.36"
      }
      response = requests.post(url,headers=headers)

• 能访问到接口后通过 for 循环处理每一页的 JSON 数据

      html = response.text
      json_data = json.loads(html)
      list = json_data["data"]["list"]
      for item in list:
          # 获取评论区每一条评论中粉丝的用户昵称
          user_name = item["info"]["nickName"]

• 在访问接口之前定义一个数组 nums，用来存储获取到的用户昵称

nums = []
...
nums.append(user_name)

• 通过 python 的 random 函数随机从存储了评论区所有粉丝用户昵称的数组 nums 中抽取 5 位幸运粉丝

#假设是抽5名幸运粉丝
    for index in range(0,5):
        luck_fan = random.choice(nums)
        print("第" + str(index) + "位幸运粉丝是" + luck_fan)

• 为了优化用户体验，我们将抽取粉丝数量和访问带有 JSON 数据接口的数量（有多少页就有多少个接口，通过转换为多少条评论来优化用户体验）通过键盘输入的方式，由用户自定义参数，降低代码的耦合度，提升程序与用户的交互性

 #一共有多少条评论，一个页面10条评论
    comment_num = input("请输入博客中的评论数量: ")
    comment_num = int(comment_num)
    luck_fans_num = input("请在键盘输入最终中奖粉丝的数量: ")
    luck_fans_num = int(luck_fans_num)
    
    #有多少页评论循环多少次
    for index in range(0, int(comment/10)):
    ...
    
    #假设是抽5名幸运粉丝
    for index in range(0,luck_fans_num):
     ...

• 另外，博主本身不参与抽奖，所以博主的评论不放在最终的奖池中，博主自身评论分两种情况，如下：
  
  

 # 获取评论区每一条评论中粉丝的用户昵称,取得是info字段,不是sub字段
          user_name = item["info"]["nickName"]
          # 博主自身的评论不参与抽奖
          if user_name == editior_name:
              continue
          else:
              nums.append(user_name)

• 另外在调试页面的过程中我们会发现 JSON 数据接口会在评论末尾页多渲染10个和第一页一模一样的脏数据（这个特点我找了差不多一天，555…），这个需要在获取到所有的评论数后单独删除掉

#去除浏览器自动多渲染的结尾的10个脏数据
    for index in range(1, 11):
        nums.remove(nums[len(nums) - index])

• 同时，为了避免最终结果出现两个相同的名字，还得在抽奖的时候做一下去重工作

 final_nums = []
    #假设是抽5名幸运粉丝
    for index in range(0,luck_fans_num):
        luck_fan = random.choice(nums)
        if luck_fan not in final_nums:
            final_nums.append(luck_fan)
        else:
            index = index - 1
            continue

五、最后，变完全体

import json
import math
import random
import requests


def main():
    nums = []
    # 一共有多少条评论，一个页面10条评论
    comment_num = input("请在键盘中输入博客中的总评论数量: ")
    comment_num = math.ceil(int(comment_num) / 10)
    luck_fans_num = input("请在键盘中输入最终中奖粉丝的数量: ")
    luck_fans_num = int(luck_fans_num)
    editior_name = input("请在键盘中输入不参与此次抽奖的用户昵称: ")

    for index in range(0, comment_num):
        # 示例博客地址,即使是自己的博客，每天的API接口也会更新,折叠评论的链接地址参数fold=fold
        url = "https://blog.csdn.net/phoenix/web/v1/comment/list/132666724?page=%s&size=10&fold=unfold" % (index)
        # 发送请求获取 HTML
        headers = {
            "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:109.0) Gecko/20100101 Firefox/117.0",
        }
        response = requests.post(url, headers=headers)
        html = response.text
        json_data = json.loads(html)
        list = json_data["data"]["list"]
        for item in list:
            # 获取评论区每一条评论中粉丝的用户昵称,取得是info字段,不是sub字段
            user_name = item["info"]["nickName"]
            # 博主自身的评论不参与抽奖
            if user_name == editior_name:
                continue
            else:
                nums.append(user_name)

    # 去除浏览器自动多渲染的结尾的10个脏数据
    for index in range(1, 11):
        nums.remove(nums[len(nums) - index])

    print("不包括博主在内一共有" + str(len(nums)) + "条有效评论参与了此次抽奖")
    result = "参与抽奖活动的粉丝名单（不包括被折叠的）如下:" + ', '.join(nums)
    print(result)

    final_nums = []
    # 假设是抽5名幸运粉丝
    for index in range(0, luck_fans_num):
        luck_fan = random.choice(nums)
        if luck_fan not in final_nums:
            final_nums.append(luck_fan)
        else:
            index = index - 1
            continue
        print("第" + str(index + 1) + "位幸运粉丝是 >>>>>> " + luck_fan)

if __name__ == '__main__':
    main()

别忘了路径中的page=%s,进行动态拼接

那么，如何快速找到自己博客评论区对应的 JSON 数据接口呢，如下图

六、更新日志

• 2023-09-08 23:46 博客版本1.0问世

1. 完成了基础的抽奖功能.

• 2023-09-10 0:26 代码逻辑优化

1. 新增作者不参与抽奖的功能特性
2. 删除掉自动渲染在末尾的10个脏数据
3. 优化了输出语句，提升用户体验

总结

欢迎各位留言交流以及批评指正，如果文章对您有帮助或者觉得作者写的还不错可以点一下关注,点赞，收藏支持一下。
（博客的参考源码可以在我主页的资源里找到，如果在学习的过程中有什么疑问欢迎大家在评论区向我提出）