Python爬取微博（APP）榜单爬虫及数据可视化

• 爬虫代码

• 用户分析

• 微博分析

爬虫代码

import requests

import json

import re

import time

import csv

headers = {

‘Host’: ‘api.weibo.cn’,

‘Connection’: ‘keep-alive’,

‘User-Agent’: ‘Weibo/29278 (iPhone; iOS 11.4.1; Scale/2.00)’

}

f = open(‘1.csv’,‘w+’,encoding=‘utf-8’,newline=‘’)

writer = csv.writer(f)

writer.writerow([‘user_id’,‘user_location’,‘user_gender’,‘user_follower’,‘text’,‘created_time’,‘reposts_count’,‘comments_count’,‘attitudes_count’])

def get_info(url):

res = requests.get(url,headers=headers)

print(url)

datas = re.findall(‘“mblog”😦.*?),“weibo_position”’,res.text,re.S)

for data in datas:

json_data = json.loads(data+‘}’)

user_id = json_data[‘user’][‘name’]

user_location = json_data[‘user’][‘location’]

user_gender = json_data[‘user’][‘gender’]

user_follower = json_data[‘user’][‘followers_count’]

text = json_data[‘text’]

created_time = json_data[‘created_at’]

reposts_count = json_data[‘reposts_count’]

comments_count = json_data[‘comments_count’]

attitudes_count = json_data[‘attitudes_count’]

print(user_id,user_location,user_gender,user_follower,text,created_time,reposts_count,comments_count,attitudes_count)

writer.writerow([user_id,user_location,user_gender,user_follower,text,created_time,reposts_count,comments_count,attitudes_count])

time.sleep(5)

if name == ‘main’:

urls = [‘https://api.weibo.cn/2/cardlist?gsid=2A252dh7LDeRxGeNM41oV-S_MzDSIHXVTIhUDrDV6PUJbkdANLVTwkWpNSf8_0j6hqTyDS0clYi-pzwDc2Kd8oj_d&wm=3333_2001&i=b9f7194&b=0&from=1088193010&c=iphone&networktype=wifi&v_p=63&skin=default&v_f=1&s=ef8eeeee&lang=zh_CN&sflag=1&ua=iPhone8,1__weibo__8.8.1__iphone__os11.4.1&ft=11&aid=01AuxGxLabPA7Vzz8ZXBUpkeJqWbJ1woycR3lFBdLhoxgQC1I.&moduleID=pagecard&scenes=0&uicode=10000327&luicode=10000010&count=20&extparam=discover&containerid=102803_ctg1_8999-ctg1_8999_home&fid=102803_ctg1_8999-_ctg1_8999_home&lfid=231091&page={}’.format(str(i)) for i in range(1,16)]

for url in urls:

get_info(url)

用户分析

首先对部分用户id进行可视化，字体大一点的是上榜2次的（这次统计中最多上榜的是2次）。

接着对地区进行数据处理，进行统计。可以看出，位于北京的用户是最多的（大V都在北京）。

df[‘location’] = df[‘user_location’].str.split(’ ').str[0]

接下来看下用户的性别比例：男性用户占多。
自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注：Python）

进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！**

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注：Python）