需求分析
因朋友需求,需要删除在微博上的一些非法转发,故给出链接的根节点,只查询根节点的第一层节点,并删除第一层节点的所有转发。
本人python初学者,有什么写的不好的地方,请指出,与大家一起学习交流。
文章结尾附上完整代码,同时还有详细的说明文档,请自行下载。
- 前期准备
安装python3x
导入requests、bs4等必须的库
导入命令
pip install requests
pip install bs4
- 网页分析
需要在简易版微博上爬取
验证微博登录的cookie
爬取所有转发的人的id(每个人的id是固定的)和文章号(同一篇文章每个人会生成不同的文章号)
代码分析
登录cookie存储
打开网址:https://weibo.cn/pub
点击登录
打开调试工具,即按F12,同时调到Network
输入帐号密码点击登录
在调试工具中找到weibo.cn,复制cookie获取单个页面的所有转发链接
def getComment(url,file):
"""
获取单个链接页面中的转发连接
:param url:评论页面链接
:param file: 文件对象
"""
try:
html = requests.get(url, cookies=cook).content
soup = BeautifulSoup(html, "html.parser")
r = soup.findAll('div', attrs={
"class": "c"})
for e in r:
size = 0
name = ''
uid = ''
article = ''
for item in e.find_all('a',href=re.compile("/u")):
size = size + 1
name = item.text
uid = item.get('href').split("/")[2];
for item in e.find_all('span',attrs={
"class":"cc"}):
size = size + 1
str = item.find('a').get("href").split("/")
article = str[2]
if size == 2:
link = 'https://weibo.com' + '/' + uid + '