用 Python 监控知乎和微博的热门话题(1)

PS：如有需要Python学习资料的小伙伴可以加点击下方链接自行获取

python免费学习资料以及群交流解答点击即可加入

---

知乎热榜中的内容热度值，是根据该条内容近24小时内的浏览量、互动量、专业加权、创作时间及在榜时间等维度，综合计算得出的。知乎热榜即根据内容热度值制定的排行榜。

微博的热度值是根据该篇微博被转发、点赞数和微博发布时间等各项因素，来算出热度基数，再与热度权重相加，得出最终的热度值。微博热门即话题热度排行榜。

今天我们要做的就是将相关排行榜中的话题内容爬取下来当作数据素材。换句话说，我们要把页面上排好的信息，通过代码读取并保存起来。

1. 爬取网页内容

---

Python 爬虫通常采用 requests 库来处理网络请求。这里关于 requests 的方法和参数暂不展开。

知乎热榜

微博热门

这里有两点要注意：

1、我们选用的网址链接在未登录状态下也可访问，因此 requests 方法中的参数为空也不影响。但爬虫时更多的情况是需要登陆状态，因此也就要求通过设置不同参数来模拟登陆去进行相关操作。

2、通过 requests 模块获取的网页内容，对应的是在网站上右键单击，选择“显示网页源代码”后展现的页面。它与我们实际看到的网页内容或者 F12 进入开发者模式中看到的网页 elements 是不同的。前者是网络请求后返回结果，后者是浏览器对页面渲染后结果。

2. 解析爬到的内容

---

第一步爬到的是整个页面内容，接下来要在所有内容中去对目标定位，然后将其读取并保存起来。

这里我采用的是 BeautifulSoup，因为学爬虫最先接触这个，用起来也蛮顺手。通过 BeautifulSoup 提供的方法和参数，可以很便捷定位到目标。

在知乎热榜的网页源代码中，拉到最下方可以看到如下：

在源代码中网页的 script 部分，有现成的整理好的热榜数据。所以我们为了减少工作量，直接通过 BeautifulSoup 取出 script 中内容，再用正则表达式匹配热榜数据列表处的内容。

import requests

import re

from bs4 import BeautifulSoup

headers={“User-Agent”:“”,“Cookie”:“”}

zh_url = “https://www.zhihu.com/billboard”

zh_response = requests.get(zh_url,headers=headers)

webcontent = zh_response.text

soup = BeautifulSoup(webcontent,“html.parser”)

script_text = soup.find(“script”,id=“js-initialData”).get_text()

rule = r’“hotList”😦.*?),“guestFeeds”’

result = re.findall(rule,script_text)

temp = result[0].replace(“false”,“False”).replace(“true”,“True”)

hot_list = eval(temp)

print(hot_list)

这里我利用了 script 中热榜数据的列表结构，在定位取出相关字符串后，先将 js 中的 true 和 false 转化为 Python 中的 True 和 False，最后直接通过 eval() 来将字符串转化为直接可用的数据列表。

运行代码结果如图：

至于对微博热门的解析，就是中规中矩地利用 BeautifulSoup 来对网页元素进行定位获取：

import requests

from bs4 import BeautifulSoup

url = “https://s.weibo.com/top/summary”

headers={“User-Agent”:“”,“Cookie”:“”}

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

webcontent = wb_response.text

soup = BeautifulSoup(webcontent,“html.parser”)

index_list = soup.find_all(“td”,class_=“td-01”)

title_list = soup.find_all(“td”,class_=“td-02”)

level_list = soup.find_all(“td”,class_=“td-03”)

topic_list = []

for i in range(len(index_list)):

item_index = index_list[i].get_text(strip = True)

if item_index==“”:

item_index = “0”

item_title = title_list[i].a.get_text(strip = True)

if title_list[i].span:

item_mark = title_list[i].span.get_text(strip = True)

else:

item_mark = “置顶”

item_level = level_list[i].get_text(strip = True)

topic_list.append({“index”:item_index,“title”:item_title,“mark”:item_mark,“level”:item_level,“link”:f"https://s.weibo.com/weibo?q=%23{item_title}%23&Refer=top"})

print(topic_list)

通过解析，将微博热门数据逐条存入列表中：

后续对拿到的数据加以处理展示，即可得到很多有趣的应用或实现某些功能。例如集成诸多平台排行榜的 “今日热榜”：

做了那么多年开发，自学了很多门编程语言，我很明白学习资源对于学一门新语言的重要性，这些年也收藏了不少的Python干货，对我来说这些东西确实已经用不到了，但对于准备自学Python的人来说，或许它就是一个宝藏，可以给你省去很多的时间和精力。

别在网上瞎学了，我最近也做了一些资源的更新，只要你是我的粉丝，这期福利你都可拿走。

我先来介绍一下这些东西怎么用，文末抱走。

---

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

（3）100多个练手项目

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

（4）200多本电子书

这些年我也收藏了很多电子书，大概200多本，有时候带实体书不方便的话，我就会去打开电子书看看，书籍可不一定比视频教程差，尤其是权威的技术书籍。

基本上主流的和经典的都有，这里我就不放图了，版权问题，个人看看是没有问题的。

（5）Python知识点汇总

知识点汇总有点像学习路线，但与学习路线不同的点就在于，知识点汇总更为细致，里面包含了对具体知识点的简单说明，而我们的学习路线则更为抽象和简单，只是为了方便大家只是某个领域你应该学习哪些技术栈。

（6）其他资料

还有其他的一些东西，比如说我自己出的Python入门图文类教程，没有电脑的时候用手机也可以学习知识，学会了理论之后再去敲代码实践验证，还有Python中文版的库资料、MySQL和HTML标签大全等等，这些都是可以送给粉丝们的东西。

这些都不是什么非常值钱的东西，但对于没有资源或者资源不是很好的学习者来说确实很不错，你要是用得到的话都可以直接抱走，关注过我的人都知道，这些都是可以拿到的。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里无偿获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！