python采集豆瓣爆剧影评

最近《梦华录》无疑是当下最火的剧，短短一个周在腾讯视频上播放量破10亿。更是在抖音、B站等视频平台上爆火，相关二创和二改视频也能达到百万的播放量。更让它出圈的事件是，豆瓣网友在一天之内，把《梦华录》的豆瓣评分从8.3分提到了8.8分。一位给《梦华录》打了五星的豆瓣网友留言，“首先它尊重了我的眼睛，其次它尊重了我的智商”，这一条短评被2万网友点赞。

那么我们今天就利用python获取豆瓣上关于《梦华录》的剧评，看看大家都是怎么夸这部剧的。首先要做的就是去豆瓣网找对应的接口，这里就不赘述了，谷歌浏览器抓包即可，然后要做的就是分析返回的json数据的结构。特别是豆瓣现在的反爬机制不是一般的严格，所以在获取数据的时候我们需要做好2个基本的反爬措施，1、不同浏览器标识：User_agent（模拟不同的浏览器）2、不同的IP地址，这个是最重要的一点，一般代理是不行的，需要高质量的，这里推荐使用亿牛云代理。准备工作做好之后就开始进爬取操作:

#! -*- encoding:utf-8 -*-

    import requests
    import random

    # 要访问的目标页面
    targetUrl = "http://httpbin.org/ip"

    # 要访问的目标HTTPS页面
    # targetUrl = "https://httpbin.org/ip"

    # 代理服务器(产品官网 www.16yun.cn)
    proxyHost = "t.16yun.cn"
    proxyPort = "31111"

    # 代理验证信息
    proxyUser = "username"
    proxyPass = "password"

    proxyMeta = "http://%(user)s:%(pass)s@%(host)s:%(port)s" % {
        "host" : proxyHost,
        "port" : proxyPort,
        "user" : proxyUser,
        "pass" : proxyPass,
    }

    # 设置 http和https访问都是用HTTP代理
    proxies = {
        "http"  : proxyMeta,
        "https" : proxyMeta,
    }


    #  设置IP切换头
    tunnel = random.randint(1,10000)
    headers = {"Proxy-Tunnel": str(tunnel)}



    resp = requests.get(targetUrl, proxies=proxies, headers=headers)

    print resp.status_code
    print resp.text

通过获取的数据分析看，大家真的对这部剧很爱，不管是从选角，剧情，真实性等，没有大短板，各方面都不算差的古偶剧，就能激发观众的追剧热情，也可见之前的劣质古偶剧把观众伤得有多深。