可用于大众点评网页版
目前可用：
- 获取大众点评当前可以查询查看到店铺的所有已激活城市信息
- 获取大众点评里所有省市直辖市的provinceId以及地区areaId
- 根据给定的中文城市、地区名称来获取其大众点评首页链接
- 通过id获取地区名称
- 通过id获取地区内的所有子地区信息
- 获取某个城市的 热搜关键词
- 获取某个城市的 当前可见有效店铺分类
- 获取某个城市的 当前可见有效的辖区信息，包含子地区
- 获取某个城市的 某个关键词相关的搜索结果和结果数
- （单线程与多线程）搜索某个城市关于某个关键词的某个分类、子地区、排序方式的相关店铺并支持MongoDB存储和本地文件存储
- 获取某个商铺的评分、星级、地址、电话、点评数、人均消费、点评标签、点评种类等
- 获取某个商铺的加密点评信息，支持条数设定
使用环境：
- win 7 64bits
- pycharm
- python3
第三方库：
- bs4 >=0.0.1
- lxml >=4.2.5
- pymongo >=3.7.1
- requests >=2.19.1
因为大众点评的反爬措施，需要设置IP代理以及随机切换可用的User-Agent来进行大量数据的爬取。
IP代理(Proxy)
如何设置？config.py中有详细的各个代理设置注释，建议使用PROXY_POOL进行IP代理，可以使用一次一个的接口来获取代理IP。
UA池
user-agent可以使用settings.py中的UA池，如果你有更多的可用UA，可以自己加进去或者替换掉。
用户cookie
如果你需要爬取加密的商铺点评数据（页数>1），则需要添加点评用户的登陆cookie到config.py的COOKIE中。具体内容为一个字符串，如： '_lxsdk_cuid=1681d897b62c8;_hc.v=ff4f63f6;thirdtoken=c9792'之类的。可以在浏览器调试界面获得。
数据库存储（MongoDB）与本地存储
如果需要存储搜索的店铺数据，则需要到config.py中设置MongoDB的数据库设置(本地存储可以在城市搜索api中设置保存本地的路径。)，其中
- 'database'为默认使用的数据库，
- 'records'为记录抓取的数据表名，
- 'searchDB'为搜索结果存放的数据库
其他相关的配置可以参见config.py 中的设置注解
如果你看到这里只是为了找到如何解密当前大众点评的加密标签，也许下面这段代码就是你要的：
import codecs
from util.shop import parse_shop_css
from decrypt import Decrypter
from bs4 import BeautifulSoup as bs
# 解密步骤1：获取当前页面的html内容
with codecs.open('txt/fake.html','r',encoding='utf-8') as f:
html = f.read()
# 解密步骤2：获取当前页面的加密用css文件内容，具体获取可以用正则匹配等
with codecs.open('txt/fake.css','r',encoding='utf-8') as f:
css = f.read()
# 解密步骤3：整个html进行解析后，获取要解密内容所在的标签，例如，店铺地址所在的标签
soup = bs(html,'lxml')
address_tag = soup('span',id='address')[0]
print(f'未解密地址标签：{address_tag}\n')
# 解密步骤4：直接解析获取到的CSS文件，具体规则看函数parse_shop_css
# 此步骤获取到解密映射字典
cls_dict,css_dict = parse_shop_css(css)
# 解密步骤5：使用Decrypter对象解密标签获得解密文本
# 其中，Decrypter的decrypt函数增加了参数说明
# 下面解析地址标签的内容
decrypter = Decrypter()
text = decrypter.decrypt(address_tag,cls_dict,css_dict)
print(f'解密后地址文本：{text}\n')
#其他的加密标签解密也是类似的:)可以直接运行
python how_to_decrypt_tags查看具体对比解密输出
- 获取大众点评当前可以查询查看到店铺的所有已激活城市信息
from dianping import DianPing
dp = DianPing()
cities = dp.active_cities返回结果 cities 为大众点评全国可以显示搜索到店铺的激活城市列表：
[
{
"activeCity": true,
"appHotLevel": 1,
"cityAbbrCode": "BJ",
"cityAreaCode": "010",
"cityEnName": "beijing",
"cityId": 2,
"cityLevel": 1,
"cityName": "北京",
"cityOrderId": 406,
"cityPyName": "beijing",
"directURL": "",
"gLat": 39.904667,
"gLng": 116.408198,
"overseasCity": false,
"parentCityId": 0,
"provinceId": 1,
"scenery": false,
"tuanGouFlag": 1
},
...
]- 获取大众点评里所有省市直辖市的provinceId以及地区areaId
from dianping import DianPing
dp = DianPing()
provinces = dp.provinces返回结果 provinces 为全国的省、直辖市的ID信息：
{
"北京": {
"areaId": 1,
"provinceId": "1"
},
"天津": {
"areaId": 1,
"provinceId": "2"
},
"河北": {
"areaId": 1,
"provinceId": "3"
},
"山西": {
"areaId": 1,
"provinceId": "4"
},
...
}- 根据给定的中文城市、地区名称来获取其大众点评首页链接
from city import City
beijing = City('北京')
url = beijing.url返回结果 url 为北京市的大众点评首页:
http://www.dianping.com/beijing
- 获取某个城市的 当前可见有效的辖区信息，包含子地区
from city import City
beijing = City('北京')
beijing.get()
locations = beijing.locations返回结果 locations 为当前城市的所有子地区信息：
[
{
"text": "海淀区",
"value": "17",
"children": [
{
"text": "双榆树",
"value": "2587",
"children": [
{
"text": "HQ尚客百货",
"value": "6975"
},
{
"text": "当代商城",
"value": "2622"
},
{
"text": "华星影城",
"value": "2665"
},
{
"text": "双安商场",
"value": "2720"
}
]
},
...
]
},
...
]- 通过id获取城市的某个地区名称
#id 必须为城市中某个地区的id
from util.city import find_region_by_id
from city import City
beijing = City('北京')
beijing.get()
someplace = find_region_by_id(6975,beijing.locations)返回结果 someplace 为北京地区的对应id的子地区名称：
# ID 6975 对应的地区
HQ尚客百货- 通过id获取地区内的所有子地区信息
from util.city import find_children_regions
from city import City
beijing = City('北京')
beijing.get()
sub_regions = find_children_regions(5956,beijing.locations)返回结果 sub_regions 为当前id下的所有子地区id列表：
# id 在城市的子地区列表中，但其未有子地区，返回：
False
# id 在城市的子地区列表中, 如果其有子地区的话则返回子地区id列表：
['6008']
# id 不在城市的子地区列表中，则返回城市的一级子地区：
['17', '5951', '328', '15', '5952', '14', '5950', '9158', '16', '20', '9157']
- 获取某个城市的 热搜关键词
from city import City
beijing = City('北京')
beijing.get()
hot = beijing.hot返回结果 hot 为当前城市“北京”的热搜词汇列表（包含其所属分类id等信息）：
[
{
"subtag": "3",
"location": "7",
"maincategoryids": "35,60",
"datatype": "3002",
"id_": "786881",
"suggestkeyword": "温泉"
},
{
"subtag": "18",
"location": "8",
"maincategoryids": "10",
"datatype": "3002",
"id_": "692874",
"suggestkeyword": "烤鸭"
},
...
]- 获取某个城市的 当前可见有效店铺分类
from city import City
beijing = City('北京')
beijing.get()
category = beijing.category返回结果 category 为该城市所有的店铺分类信息列表：
[
{
"text": "酒吧",
"value": "133",
"children": [
{
"text": "清吧",
"value": "33950"
},
{
"text": "Live House",
"value": "33951"
},
{
"text": "夜店",
"value": "2951"
}
]
},
{
"text": "茶馆",
"value": "134"
},
...
]- 获取某个城市的 某个关键词相关的搜索结果和结果数
from city import City
beijing = City('北京')
beijing.get()
relative = beijing.get_relative('健身')返回结果 relative 为北京市关键词“健身”相关的搜索词汇以及其对应结果数：
{
"良子健身 京粮大厦店": "1",
"健身游泳瑜伽综合性会所": "1",
"Hey Heroes！私教健身工作室 泛悦坊店": "1",
"ULife悦体健身 五棵松店": "1",
"U-Vista优维斯塔健身工作室 金融街旗舰店": "1",
"健身房24小时": "161",
"健身体验卡": "1",
"锐健身": "29",
"Hot Fitness 热健身工作室 霍营店": "1",
"锻造健身ForgingFitness国际私教工作室": "1"
}- （单线程与多线程）搜索某个城市关于某个关键词的某个分类、子地区、排序方式的相关店铺并支持MongoDB存储和本地文件存储
- 单线程搜索下载相关店铺
下例为搜索下载北京市“海淀区”店铺分类为“运动健身”的“有团购”的与“器材”相关的所有店铺，搜索下载结果“按人气排序”， save表示是否保存进MongoDB数据库，details表示是否抓取店铺的详细信息。具体参数可见search函数注释。
from city import City
from dbhelper import Database
from config import MongoDB
db = Database(MongoDB)
beijing = City('北京',searchDB=db)
beijing.get()
results = beijing.search('器材',category='运动健身',location='海淀区',filter='有团购',sort='按人气排序',save=True,details=True)返回结果 results 为搜索到的相关店铺，具体内容,单个店铺的MongoDB数据库显示:
{
"_id" : ObjectId("5c3c88f265b2fd3134266c7b"),
"店名" : "优享健身(金源店)",
"星级" : "四星商户",
"注册时间" : "2017-07-25T23:19:00",
"地址" : " 远大路世纪金源燕莎B1层卜蜂莲花超市内南侧家电区",
"人均" : 3526,
"预订" : false,
"分店url" : "http://www.dianping.com/brands/b93357498s45g45",
"商铺图片" : "http://vfile.meituan.net/joymerchant/-1945301364589883676-23601423-1525363931678.jpg",
"商铺标签" : "健身房",
"纬度" : 39.9573,
"经度" : 116.28518,
"电话" : [
"010-57159188"
],
"店铺ID" : 93357498,
"会员卡ID" : 0,
"地区" : [
"远大路"
],
"expand" : 0,
"poi" : "HEHHURZVVGIDGF",
"promoId" : 0,
"shopDealId" : 27807431,
"shopPower" : 40,
"hasSceneryOrder" : false,
"点评数" : "118",
"点评标签" : [
"环境优雅(43)",
"服务热情(17)",
"设施很赞(15)",
"教练很棒(14)",
"器械齐全(7)",
"体验很棒(7)",
"干净卫生(4)",
"高大上(4)"
],
"点评类别" : {
"图片" : "55",
"好评" : "85",
"中评" : "7",
"差评" : "26"
},
"评分" : {
"设施" : "8.3",
"环境" : "8.2",
"服务" : "7.6"
}
}
- 多线程搜索下载相关店铺
多线程搜索与单线程搜索流程一致，只是搜索线程多开了而已，线程数为搜索结果的页数，最多为50个（大众点评目前单页最多个数）。启用多线程的话，由于使用代理IP，有可能同时 获取的代理多个线程都是同一个，所以在config.py加入了RANDOM_INTERVAL（随机等待间隔）防止多个线程使用同一个代理被封。
- 获取某个商铺的评分、星级、地址、电话、点评数、人均消费、点评标签、点评种类等
下例以获取id为507576的店铺信息为例
from shop import Shop
store = Shop('507576')
store.get()
#店铺名
name = store.name
#店铺星级，50为五星，40为四星，35为三星半
stars = store.stars
#地址
address = store.address
#联系方式
phone = store.phone
#点评数
reviews = store.reviews
#人均消费
average = store.average
#顾客评分
scores = store.scores
#点评种类及数量
comment_kinds = store.comment_kinds
#点评标签及数量
review_tags = store.review_tags返回结果 :
'满福楼'
'50'
'朝阳门外大街8号蓝岛大厦东区六层(东大桥铁站D2出口)''
'64030992 64053088'
'18821'
'128'
{'口味': '9.1', '环境': '9.1', '服务': '9.1'}
{'图片': '3513', '好评': '17632', '中评': '355', '差评': '95'}
['回头客(404)', '干净卫生(253)', '上菜快(106)', '停车方便(59)', '夜景赞(5)', '请客(161)', '朋友聚餐(93)', '家庭聚餐(44)', '现做现卖(22)', '下午茶(9)']
- 获取下载保存某个商铺的加密点评信息，支持条数设定
获取点评需要使用cookie，具体使用参见“使用前”，默认保存数据进入数据库，具体的参数详情参见get_reviews函数注释。下例以获取店铺id为 507576 的商铺以第2页为起点的 300条加密点评为例:
from comment import Comments
from dbhelper import Database
from config import MongoDB
dianpingDB = Database(MongoDB)
target_shop = Comments('50576',db=dianpingDB)
target_shop.get()
target_shop.get_reviews(tname='保存数据表名',count=300,frompage=2)结果已经被存储在数据库中，MongoDB数据库中的单条点评数据内容具体为：
{
"_id" : ObjectId("5c3c914e65b2fd3384558c69"),
"点评ID" : "496225994",
"点评链接" : "http://www.dianping.com/review/496225994",
"点评用户" : "好想吃好",
"用户ID" : "781396343",
"用户主页" : "http://www.dianping.com/member/781396343",
"用户头像" : "https://p0.meituan.net/userheadpicbackend/83fe454da66682fcbd43aed7e716f7c5104831.jpg",
"用户等级" : "lv5",
"VIP用户" : true,
"点评商铺" : "满福楼",
"商铺ID" : "507576",
"点评星级" : "50",
"用户评价" : {
"口味" : "非常好",
"环境" : "非常好",
"服务" : "非常好"
},
"点评时间" : "2019-01-13 21:17",
"点评图片" : [
"http://qcloud.dpfile.com/pc/chB7IwRZcpIwgAZu6ZkIE1Ts_aTNOyiGGbmIGbs4RjCN3JfGN-IioWlr9osF8hImjoJrvItByyS4HHaWdXyO_DrXIaWutJls2xCVbatkhjUNNiIYVnHvzugZCuBITtvjski7YaLlHpkrQUr5euoQrg.jpg",
"http://qcloud.dpfile.com/pc/zGhlhFul5cqBQs7e5Vz8vKGz21xv2xOlIEIwy7kf50p-NpRbr0UwQ7niAIDwKWOCjoJrvItByyS4HHaWdXyO_DrXIaWutJls2xCVbatkhjUNNiIYVnHvzugZCuBITtvjski7YaLlHpkrQUr5euoQrg.jpg",
"http://qcloud.dpfile.com/pc/Ve_jDe47G9v8Da_Hsy9MpZqCs0Fb67Yq6j2rkpqgN7H0kAawvhDXOXBa2ZnI1FIWjoJrvItByyS4HHaWdXyO_DrXIaWutJls2xCVbatkhjUNNiIYVnHvzugZCuBITtvjski7YaLlHpkrQUr5euoQrg.jpg",
"http://qcloud.dpfile.com/pc/StJvWhLl7MjtPi7VbNfYIR2I1IS9esxPO21bqfDKVaPygfipf3l2ctLCNDL5jbj1joJrvItByyS4HHaWdXyO_DrXIaWutJls2xCVbatkhjUNNiIYVnHvzugZCuBITtvjski7YaLlHpkrQUr5euoQrg.jpg",
"http://qcloud.dpfile.com/pc/7UmBsS10yRloypGc2Pp1pdlmdKP2hDzRhWT5wZLgI-JbnpM9T49yMmnt4yPiPxuwjoJrvItByyS4HHaWdXyO_DrXIaWutJls2xCVbatkhjUNNiIYVnHvzugZCuBITtvjski7YaLlHpkrQUr5euoQrg.jpg",
"http://qcloud.dpfile.com/pc/sI_CeStxWNFGJcOTa1bhmxOKkLGBEHBmXGaXkST7jk8t-HQzlOY35ADlO6UZvd_rjoJrvItByyS4HHaWdXyO_DrXIaWutJls2xCVbatkhjUNNiIYVnHvzugZCuBITtvjski7YaLlHpkrQUr5euoQrg.jpg",
"http://qcloud.dpfile.com/pc/fXFthqUVtnH64f56FytXNTHCV_h2ItUd8n-LqQllEf8Ho8itsBkcmVncTI8kIYxjjoJrvItByyS4HHaWdXyO_DrXIaWutJls2xCVbatkhjUNNiIYVnHvzugZCuBITtvjski7YaLlHpkrQUr5euoQrg.jpg",
"http://qcloud.dpfile.com/pc/7DrPJ4wMkZMQJQMwzrV_htFX28QHwS538qf9O7X1Hx0i8AgtQV76cj-_sKD6JTPFjoJrvItByyS4HHaWdXyO_DrXIaWutJls2xCVbatkhjUNNiIYVnHvzugZCuBITtvjski7YaLlHpkrQUr5euoQrg.jpg",
"http://qcloud.dpfile.com/pc/FZy3uddbXxAZkk2-J8EI7GFutnl-xTc7gEdOn8IsUFQrvkHyMac7eaNrOOmvIgmcjoJrvItByyS4HHaWdXyO_DrXIaWutJls2xCVbatkhjUNNiIYVnHvzugZCuBITtvjski7YaLlHpkrQUr5euoQrg.jpg",
"http://qcloud.dpfile.com/pc/px379Hd9MRRqOF6opKanBs8QEGc7UK5pjkSHtQoP9BrbMF6JuBDWN8BUF4VB5oV5joJrvItByyS4HHaWdXyO_DrXIaWutJls2xCVbatkhjUNNiIYVnHvzugZCuBITtvjski7YaLlHpkrQUr5euoQrg.jpg",
"http://qcloud.dpfile.com/pc/xwUMFgIHr8Uemd33o3rQMg6ktHU-4BMTzvInDCRMhkhXBw3IHLzmZnDdPoSzfFepjoJrvItByyS4HHaWdXyO_DrXIaWutJls2xCVbatkhjUNNiIYVnHvzugZCuBITtvjski7YaLlHpkrQUr5euoQrg.jpg"
],
"评论事件" : {
"赞" : "4"
},
"点评内容" : "家里的抓到300元代金券，今天到店品尝美味。乘直梯到六楼，进店入眼就是放着小铜锅的餐桌，才十一点多点儿大厅就几乎满员。仨人按大众点评的推荐及个人喜好点了「牛骨高汤」「手切鲜羊肉」「羊上脑」「手切精品鲜黄瓜条」「精品太阳肉」仨「羊肉串儿」「糖卷果」肚子实在没地方了，可精品还没吃，只好「烤火烧」「炸火烧」「肉沫烧饼」「烤腰子」各点一个，三人分着尝口儿。点的肉涮着吃没一点儿膻味儿，还很嫩，麻酱蘸料很好吃！特别是腰子烤的牛极了，外面包的油焦脆，里面的腰子火候正好，美味！各种火烧也很好吃！[服务]服务很到位！锅里刚有点儿沫子，服务小妹就帮着撇出去，最后还送了果盘，看我们挺爱吃的，又提示我们果盘还可以续，并送了我们2019年新挂历，谢谢！！"
}- 如果想要抓取多个商铺的点评数据，可以使用多个账户+多代理+UA池来绕过反爬
- 尝试使用selenium对爬取点评数据进行验证码滑动验证
- 使用手机接码平台注册多个账户进行模拟登陆后获取cookie进行爬取点评数据