Python微博图

# 生成随机数
import  random
# 模仿浏览器的requests
import urllib.request
# 字符串转换
import json
# 政策表达式库
import re
# 请求库
import requests
# 时间库
import time
# 输入目标微博数字id
id=(input("请输入要抓的微博uid:"))
# 名字初始化
na='a'
# IP代理池
iplist=['112.228.161.57:8118','125.126.164.21:34592','122.72.18.35:80','163.125.151.124:9999','114.250.25.19:80']
# 代理服务器，包含上面IP池
proxy_addr="163.125.151.124:9999"



# 用代理服务器伪装自己
def use_proxy(url,proxy_addr):
    # 访问目标网址，借用urllib.requests.Requests伪装
    req=urllib.request.Request(url)
    # 头部信息
    req.add_header("User-Agent","Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/49.0.2623.221 Safari/537.36 SE 2.X MetaSr 1.0")
    # 代理服务器设置，后为随机选择IP池中的代理IP
    proxy=urllib.request.ProxyHandler({'http':random.choice(iplist)})
    # 解决代理代理服务器的cookie等问题，参数前为代理服务器，后为处理
    opener=urllib.request.build_opener(proxy,urllib.request.HTTPHandler)
    # 安装代理服务器
    urllib.request.install_opener(opener)
    # 代理服务器的编码赋值
    data=urllib.request.urlopen(req).read().decode('utf-8','ignore')
    # 返回，至此代理服务器的设置完成
    return data

def get_containerid(url):
    # 使用代理服务器 参数分别为 网址，随机选择IP url,random,choice(iplist)
    data=use_proxy(url,random.choice(iplist))
    # 字符格式转换json化
    # json.loads(data).get('data')其中get为get其中的json格式的data
    content=json.loads(data).get('data')
    # 解析网址找到图片文件所在处
    for data in content.get('tabsInfo').get('tabs'):
        if(data.get('tab_type')=='weibo'):
            containerid=data.get('containerid')
    return containerid


# 获取微博目标基本信息
def get_userInfo(id):
    # 微博目标用户头像Photo
    url='https://m.weibo.cn/api/container/getIndex?type=uid&value='+id
    # 再次使用代理服务器
    data=use_proxy(url,random.choice(iplist))
    # 再次json化数据并赋值给content
    content=json.loads(data).get('data')
    # 头像
    profile_image_url=content.get('userInfo').get('profile_image_url')

    description=content.get('userInfo').get('description')
    profile_url=content.get('userInfo').get('profile_url')
    verified=content.get('userInfo').get('verified')
    guanzhu=content.get('userInfo').get('follow_count')
    name=content.get('userInfo').get('screen_name')
    na=name
    fensi=content.get('userInfo').get('followers_count')
    gender=content.get('userInfo').get('gender')
    urank=content.get('userInfo').get('urank')
    if (gender=="f"):
        gender="女"
    else:
        gender="男"
    print("微博昵称："+name+"\n"+"微博主页地址："+profile_url+"\n"+"微博头像地址："+profile_image_url+"\n"+"是否认证："+str(verified)+"\n"+"微博说明："+description+"\n"+"关注人数："+str(guanzhu)+"\n"+"粉丝数："+str(fensi)+"\n"+"性别："+gender+"\n"+"微博等级："+str(urank)+"\n")

def get_weibo(id,file):
    # 初始化循环值，i为页
    i=1
    # 定义保存目录
    Directory = './111programmer/'
    # while true 为循环核心逻辑
    while True:
        # 目标对象的URL
        url='https://m.weibo.cn/api/container/getIndex?type=uid&value='+id
        # 目标对象相册
        weibo_url='https://m.weibo.cn/api/container/getIndex?type=uid&value='+id+'&containerid='+get_containerid(url)+'&page='+str(i)
        try:
            data=use_proxy(weibo_url,random.choice(iplist))
            content=json.loads(data).get('data')
            cards=content.get('cards')
            if(len(cards)>0):
                # range 范围，在cards长度范围内进行搜索
                for j in range(len(cards)):
                    # i为页，j为条
                    print("-----正在爬取第"+str(i)+"页，第"+str(j)+"条微博------")
                    card_type=cards[j].get('card_type')
                    # 9为转发微博 目前不知道
                    if(card_type==9):
                        mblog=cards[j].get('mblog')
                        # 微博card
                        # print(mblog)
                        # 找到转发微博tag
                        #print(str(mblog).find("转发微博"))
                        # 根据转发量判断热门微博？个人认为没有用，注释掉
                        # if str(mblog).find('retweeted_status')  == -1:
                        # 因取消上一个if判断 所以这里操作了缩进
                        # -1为异常状态，意为图片不存在
                        if str(mblog).find('original_pic') !=-1:
                            # re.findall(正则)找到并通过正则找到符合条件的图片
                            img_url=re.findall(r"'url': '(.+?)'", str(mblog))##pics(.+?)
                            # 图片数字的count
                            n = 1
                            # 时间的处理，str字符串化
                            timename = str(time.time())
                            # 后代替前word
                            timename = timename.replace('.', '')
                            # 表示最后一个到第七个，也可以说是第七个到最后一个
                            timename = timename[7:]#利用时间作为独特的名称
                            # 循环目标图片网址
                            for url in img_url:
                                print('第' + str(n) + ' 张', end='')
                                # with多少有点强制执行的概念，如果with后的open执行失败，那么就会使用as后的写入
                                # wb为二进制方式打开
                                with open(Directory + timename+url[-5:], 'wb') as f:
                                    f.write(requests.get(url).content)
                                print('...OK!')
                                n = n + 1
                            # 不是特别精明的延迟算法
                            if( n%3==0 ):  ##延迟爬取，防止截流
                                time.sleep(3)

                        # 点赞数
                        attitudes_count=mblog.get('attitudes_count')
                        # 评论数
                        comments_count=mblog.get('comments_count')
                        # 发布此条微博时间
                        created_at=mblog.get('created_at')
                        # 转发数
                        reposts_count=mblog.get('reposts_count')
                        # 此条微博地址
                        scheme=cards[j].get('scheme')
                        # 此条微博内容
                        text=mblog.get('text')
                        # 存入TXT文件
                        with open(file,'a',encoding='utf-8') as fh:
                            fh.write("----第"+str(i)+"页，第"+str(j)+"条微博----"+"\n")
                            fh.wrnameite("微博地址："+str(scheme)+"\n"+"发布时间："+str(created_at)+"\n"+"微博内容："+text+"\n"+"点赞数："+str(attitudes_count)+"\n"+"评论数："+str(comments_count)+"\n"+"转发数："+str(reposts_count)+"\n")
                i+=1
            else:
                break
        # 报出错误并pass跳过
        except Exception as e:
            print(e)
            pass

if __name__=="__main__":
    file='./111/'+id+".txt"
    get_userInfo(id)
    get_weibo(id,file)