/jd_spider

京东爬虫，可抓取京东商品信息和评论

Primary LanguagePython

jd_spider

用scrapy框架写的京东爬虫，可以抓取京东商品信息和评论

1、目的：

  • 1、爬取京东的商品信息（以电子烟为例）
  • 2、爬取商品的评论信息

    • #2、抓取到的数据属性如下所示
    ##商品数据
    image
    ##评论数据
    image
    #3、使用说明： ##(1)抓取商品信息和抓取评论分别写在了两个不同的爬虫里

    抓取商品信息代码在jd_home.py中，数据库在setting.py中修改ITEM_PIPELINES，使用MySQLPipeline

    抓取评论代码在jd_comment.py中，数据库在setting.py中修改ITEM_PIPELINES，使用CommentPipeline

    ##(2)setting.py文件

    默认开启了代理IP，因为IP的存活期的限制，要定期更新PROXIES中IP信息，可从网站：http://www.xicidaili.com/ 中找免费的代理IP

    如果不想使用代理IP，可以将DOWNLOADER_MIDDLEWARES代码注释掉

    数据库的配置：

  • setting.py中可以配置数据库的主机，端口，用户名，密码和数据库名信息
  • pipeline.py中在sql语句中配置你要存入的表的名称。
  • 数据库表结构：
  • jd_comment.sql：评论数据
  • jd_goods.sql：商品数据

    • 在使用本爬虫中，因为在抓取评论信息时需要用到goods.xls文件。因此需要先抓取商品信息，然后将商品信息的相关内容导出到goods.xls中（这里提供了一个goods.xls的格式供参考）

    goods.xls格式：第1列：商品ID，第2列：商品评论数；第3列：商品的commentVersion

    在一个工程中，抓取商品信息和抓取评论信息不能同时进行。


    更多爬虫的细节可以参考我的博客文章：

  • http://blog.csdn.net/xiaoquantouer/article/details/51840332
  • http://blog.csdn.net/xiaoquantouer/article/details/51841016

    • ##有问题欢迎留言