1、起因

过完年了，作为程序也很老了，所以想搞个副业看看，但是盲目的创业是不行的，方向大于努力，所以选对方向很重要，数据调研第一步，不能盲目出招，浪费时间，浪费精力，最主要浪费我的血汗钱。

上班的时间基本都在点外卖，所以想做做外卖，因为自己是小白，所以想找个品牌外卖店加盟，但是大都知道加盟店比较坑，所以还是得谨慎，做做调研。

2、数据爬取

数据的爬取选择的平台是两个大的外卖平台，想看下商圈的外卖单量，做一个调研，爬取的数据内容就是外卖的品类，单量，还有名字，位置，这些基本数据，然后做个总结，分析下商圈内的数据。

3、爬取步骤

1、确认爬取的网址

爬取的数据来源最初选择的是app，本地的方案是夜神模拟器和Charles，装了环境搞了几下，没搞清楚头绪，这个方案就放弃了

在xxx的官网经过一阵搜索找到了h5 的界面，似乎这个界面是不公开了，找了半天终于找到入口

h5.xxx.me/

经过一波三折终于找到，但是在登录之后还是要跳转到官网，所以再次输入这个网址就可以了

xxx 请自行替换

最终爬取的数据接口为：

h5.xxx.me/restapi/sho…

2、分析网址

数据的请求方式是get请求，所以参数全在url中

latitude=31.296829

&longitude=120.736135

&offset=16

&limit=8

&extras[]=activities

&extras[]=tags

&extra_filters=home

&terminal=h5

前两个数据是经纬度，也就是定位信息的偏移，这个数据决定了拉去的数据，这里也是我只要要定位的地方。

offset 不知道这个偏移是什么意思，我猜测可能是第几个吧，不重要

limit 我猜是单页多少个数据

terminal 是终端的类型，基本上

3、分析返回数据

{
has_next: true,
items: - [
- {
restaurant: + {... }
},
- {
restaurant: + {... }
},
- {
restaurant: + {... }
},
- {
restaurant: + {... }
},
- {
restaurant: + {... }
},
- {
restaurant: + {... }
},
- {
restaurant: + {... }
},
- {
restaurant: + {... }
}
],
meta: - {
rankId: "",
rankType: - {
505517688: "33"
}
}
}

最外成的数据格式是这样的，我们要的是restaurant这层数据，也是要重点分析的

restaurant: - {
act_tag: 0,
activities:[],
address: null,
authentic_id: 502101541,
average_cost: null,
baidu_id: null,
bidding: null,
brand_id: 710858,
business_info: "{"pickup_scheme":"https://tb.xxx.me/wow/a/act/eleme/dailygroup/682/wupr?wh_pid=daily-186737&id=E14670700902593244","ad_info":{"isAd":"false"},"recent_order_num_display":"月售1244"}",
closing_count_down: 14234,
delivery_fee_discount: 0,
delivery_mode: + {... },
description: null,
distance: 2804,
favor_time: null,
favored: false,
flavors: + [... ],
float_delivery_fee: null,
float_minimum_order_amount: 20,
folding_restaurant_brand: null,
folding_restaurants:[],
has_story: false,
id: "E14670700902593244",
image_path: "https://img.alicdn.com/imgextra/i2/2212739556234/O1CN01jzFa3R1vvDoDnsojl_!!2212739556234-0-koubei.jpg",
is_new: false,
is_premium: true,
is_star: false,
is_stock_empty: 0,
is_valid: null,
latitude: null,
longitude: null,
max_applied_quantity_per_order: -1,
name: "切果匠（湖东CBD店）",
next_business_time: "明天 9:30",
only_use_poi: null,
opening_hours: - [
"9:30/0:10"
],
order_lead_time: 42,
out_of_range: false,
phone: null,
piecewise_agent_fee: + {... },
platform: 0,
posters:[],
promotion_info: null,
rating: 4.7,
rating_count: null,
recent_order_num: 1244,
recommend: + {... },
recommend_reasons: + [... ],
regular_customer_count: 0,
restaurant_info: null,
scheme: "https://h5.xxx.me/newretail/p/shop/?store_id=546110047&geolat=31.296829&geolng=120.736135&o2o_extra_param=%7B%22rank_id%22%3A%22%22%7D",
status: 1,
support_tags: + [... ],
supports:[],
target_tag_path: "35a1bb9025ab98c28112d82f83f73d7ejpeg",
theme: null,
type: 1
}

数据看起来还是比较好懂的，这里我们需要的数据就是

name 外卖店的名字

business_info.recent_order_num_display 销量数据

activities 是店铺活动数据

opening_hours 是店铺的营业时间

support_tags 是店铺的分类

4、爬取数据

爬取数据的代码我还没写全，所以上面都是分析

爬取数据的核心就是伪装成正常的请求，我们已经看到了数据的web接口，基本上没什么了

一般也就是

cookie要求

js加密

token 要求等等

因为我并不是批量使用，所以可以在web端登录之后，直接使用数据，伪装成web就可以了，最不济可以直接使用seleunim 进行爬取，所以问题不大

5、总结

看下数据似乎有些品牌的销量不错，但是看不到店铺的开业时间，所以没办法判断是不是买量的行为，但是平均的销量不高，有点两极分化，做外卖的形势严峻，挣得是辛苦钱，平台还从营业额中抽取15% ，去掉加盟费，商铺租金，还有各种设备费，还真是不少花钱。最终钱都被平台挣去了，作为商家基本上没什么。所以不推荐