爬虫实践之获取网易云评论数据信息

前几天在爬虫群里面看到一个同学有偿爬取些数据，我就以试试看的态度接了单，他的需求内容包括采集网易云音乐热评评论内容，数据量1W就足够，然后就是做点数据分析相关的工作即可。这份需求里边有网络爬虫，有数据分析和数据处理，还有可视化，算是一个全面的实践。

首先是数据来源，来自网易云音乐热评，我们获取到数据网址，通过调用了API抓取难度就少了许多，但是像网易云这样的大网址，反爬机制做的是很完善的，虽然需求获取的数据量并不多，但是我也在程序里面做了基本的反爬策略，加了代理IP，刚好之前购买的亿牛云代理还没有到期，就继续使用。整个爬虫过程比较简单，代码如下：

#! -*- encoding:utf-8 -*-
        import base64            
        import sys
        import random

        PY3 = sys.version_info[0] >= 3

        def base64ify(bytes_or_str):
            if PY3 and isinstance(bytes_or_str, str):
                input_bytes = bytes_or_str.encode('utf8')
            else:
                input_bytes = bytes_or_str

            output_bytes = base64.urlsafe_b64encode(input_bytes)
            if PY3:
                return output_bytes.decode('ascii')
            else:
                return output_bytes

        class ProxyMiddleware(object):                
            def process_request(self, request, spider):
                # 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"

                request.meta['proxy'] = "http://{0}:{1}".format(proxyHost,proxyPort)

                # 添加验证头
                encoded_user_pass = base64ify(proxyUser + ":" + proxyPass)
                request.headers['Proxy-Authorization'] = 'Basic ' + encoded_user_pass                    

                # 设置IP切换头(根据需求)
                tunnel = random.randint(1,10000)
                request.headers['Proxy-Tunnel'] = str(tunnel)

获取到数据后的分析过程主要涉及到时间处理，主要是评论时间分布，用户评论数量，地区分布，评论词云等，重点就是是针对时间列做了数据处理，常规操作，这里就不分享具体的实现过程，并发现了一些有趣的数据分析结果。最后也欢迎大家积极尝试，有好的内容也可以分享给我噢

​

若有收获，就点个赞吧