美团是中国最大的生活服务平台之一,提供了各种各样的商品和服务,如美食、酒店、旅游、电影、娱乐等。如果你想了解美团的热门商品和服务,你可以使用爬虫技术来获取它们。本文将介绍如何使用Python和BeautifulSoup库来编写一个简单的爬虫程序,以及如何使用爬虫代理来提高爬虫的效率和稳定性。
爬虫技术是一种通过网络自动获取网页内容的技术,通常分为以下几个步骤:
为了获取美团的热门商品和服务,我们需要先确定我们感兴趣的城市和分类,然后访问美团网站的相应页面,例如[北京美食]。然后,我们可以从页面中提取商品或服务的名称、价格、评分、销量等信息,并保存到CSV文件中。
由于美团网站可能会对频繁的爬虫请求进行限制或封禁,我们需要使用代理IP来隐藏我们的真实IP地址,从而避免被识别和屏蔽。亿牛云爬虫代理是一种专业的爬虫代理服务,提供了海量的高质量代理IP,支持多种协议和认证方式,可以帮助我们轻松地实现爬虫代理。
为了编写爬虫程序,我们需要安装以下几个Python库:
我们可以使用pip命令来安装这些库,如下所示:
# 在终端中输入以下命令
pip install requests
pip install beautifulsoup4
pip install pandas
接下来,我们需要编写一个爬虫函数,用于获取指定城市和分类下的热门商品或服务。该函数需要接收三个参数:
该函数的主要逻辑如下:
该函数的具体代码如下:
# 导入依赖库
import requests
from bs4 import BeautifulSoup
# 定义爬虫函数
def crawl_meituan(city, category, page):
# 构造目标URL
url = f"https://{city}.meituan.com/{category}/pn{page}/"
# 亿牛云爬虫代理的域名、端口、用户名、密码
# 设置代理IP
proxy = {
"http": "http://16YUN:[email protected]:3100",
"https": "http://16YUN:[email protected]:3100"
}
# 设置请求头
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.159 Safari/537.36",
"Referer": url
}
# 发送GET请求
response = requests.get(url, proxies=proxy, headers=headers)
# 判断响应状态码是否为200
if response.status_code == 200:
# 解析响应内容
soup = BeautifulSoup(response.text, "lxml")
# 提取商品或服务的信息
items = soup.find_all("div", class_="common-list-item")
data = []
for item in items:
# 获取商品或服务的名称
name = item.find("div", class_="title").text.strip()
# 获取商品或服务的价格
price = item.find("span", class_="price").text.strip()
# 获取商品或服务的评分
rating = item.find("span", class_="rate-num").text.strip()
# 获取商品或服务的销量
sales = item.find("span", class_="sales").text.strip()
# 将信息存储到一个字典中
data.append({
"name": name,
"price": price,
"rating": rating,
"sales": sales
})
# 返回数据字典
return data
else:
# 打印错误信息
print(f"请求失败,状态码为{response.status_code}")
最后,我们可以调用爬虫函数,获取我们感兴趣的城市和分类下的热门商品或服务。例如,我们可以获取北京美食下的前10页的数据,如下所示:
# 导入依赖库
import pandas as pd
# 定义城市和分类
city = "bj"
category = "meishi"
# 定义页码范围
pages = range(1, 11)
# 定义空列表,用于存储所有数据
all_data = []
# 遍历每一页
for page in pages:
# 调用爬虫函数,获取当前页的数据
data = crawl_meituan(city, category, page)
# 将当前页的数据添加到总列表中
all_data.extend(data)
# 打印进度信息
print(f"已获取第{page}页的数据")
# 将总列表转换为数据框
df = pd.DataFrame(all_data)
# 查看数据框的前5行
print(df.head())
# 保存数据框到CSV文件中
df.to_csv(f"{city}_{category}.csv", index=False)
运行上述代码后,我们可以在当前目录下看到一个名为bj_meishi.csv的文件,该文件包含了北京美食下的热门商品或服务的信息,如下所示:
name | price | rating | sales |
---|---|---|---|
麻辣香锅(西单店) | ¥39.9 | 4.6 | 已售1.2万份 |
老北京炸酱面(西单店) | ¥9.9 | 4.7 | 已售2.3万份 |
肯德基(西单店) | ¥29.9 | 4.5 | 已售3.4万份 |
汉堡王(西单店) | ¥19.9 | 4.4 | 已售1.5万份 |
必胜客(西单店) | ¥49.9 | 4.3 | 已售1.6万份 |
本文介绍了如何使用Python和BeautifulSoup库来编写一个简单的爬虫程序,以及如何使用亿牛云爬虫代理来提高爬虫的效率和稳定性。通过这个程序,我们可以获取美团网站上任意城市和分类下的热门商品和服务的信息,从而了解市场的需求和趋势。