pyhton微博爬虫(3)——获取微博评论数据

本文的主要目标是获取微博评论数据,具体包括微博评论链接总评论数用户ID用户昵称评论时间评论内容用户详情链接等。

实现代码如下所示:

# -*- coding: utf-8 -*-
"""
Created on Tue Aug  8 16:39:07 2017

@author: Administrator
"""


import requests
from bs4 import BeautifulSoup
import json
import time
import random
import pymysql.cursors


def crawlDetailPage(url,page,i):
    #读取微博网页的JSON信息
    req = requests.get(url)
    jsondata = req.text
    data = json.loads(jsondata)

    #评论数
    commentCounts = data['total_number']
    print("第{}页第{}条微博的评论数为{}".format(page,i+1,commentCounts))

    #循环输出每一页的微博信息
    for comment in data['data']:
        userId = comment['user']['id']
        userName = comment['user']['screen_name']
        commentTime = comment['created_at']
        commentText = comment['text']
        userProfileUrl = comment['user']['profile_url']



        print("用户{}创建于:{}".format(userName,commentTime))
        print("评论内容为:{}".format(commentText))
        print("用户详情链接为:{}".format(userProfileUrl))


        '''
        数据库操作
        '''

        #获取数据库链接
        connection  = pymysql.connect(host = 'localhost',
                                  user = 'root',
                                  password = '123456',
                                  db = 'weibo',
                                  charset = 'utf8mb4')
        try:
            #获取会话指针
            with connection.cursor() as cursor:
                #创建sql语句
                sql = "insert into `comment` (`commentUrl`,`commentCounts`,`userId`,`userName`,`commentTime`,`commentText`,`userProfileUrl`) values (%s,%s,%s,%s,%s,%s,%s)"

                #执行sql语句
                cursor.execute(sql,(url,commentCounts,userId,userName,commentTime,commentText,userProfileUrl))

                #提交数据库
                connection.commit()
        finally:
            connection.close()


def crawl(url,page):
    #读取微博网页的JSON信息
    req = requests.get(url)
    jsondata = req.text
    data = json.loads(jsondata)
    #print(data['cards'][5]['scheme'])
    #获取每一页的数据
    content = data['cards']
    #print(content[6]['scheme'])

    #循环输出每一页微博的详情链接
    for i in range(2,11):
        contentId = content[i]['mblog']['id']
        #contentUrl = "https://m.weibo.cn/status/" + contentId
        commentUrl = "https://m.weibo.cn/api/comments/show?id=" +str(contentId)
        #print("第{}条微博的详情链接为:{}".format(i+1,commentUrl))
        crawlDetailPage(commentUrl,page,i)
        t = random.randint(11,13)
        print("休眠时间为:{}s".format(t))
        time.sleep(t)





for i in range(1,2):
    print("正在获取第{}页微博数据:".format(i))
    #知乎官方微博数据的JSON链接
    url = "https://m.weibo.cn/api/container/getIndex?uid=1939498534&type=uid&value=1939498534&containerid=1076031939498534&page=" + str(i)
    crawl(url,i)
    #设置休眠时间
    time.sleep(random.randint(31,33))

部分运行结果如下图所示:

这里写图片描述

MySQL数据库中的数据存储如下图所示:

这里写图片描述

©️2020 CSDN 皮肤主题: 大白 设计师:CSDN官方博客 返回首页