python爬虫-模拟登陆新浪微+博爬取感兴趣人的所有信息

#browser = webdriver.Chrome() #browser.add_cookie(cookie) #判断broser是否可用 if browser == None:

return

browser.get(url)

browser.save_screenshot(“f:****\\****test1.png”)

js = “var q=document.body.scrollTop=100000” #用于下滑页面的js命令

num = 0

#判断翻页按钮是否出现，如果没有出现，将鼠标下滑

while not is_ele_exist(browser,“W_pages”):

num+=1

browser.execute_script(js)

print(“还未找到元素”)

#最多翻页十次，防止进入死循环

if(num>10):

break

print(“用户的一页信息已加载完毕”)

html = browser.page_source

return html

‘’’

def has_source(browser,url):

判断一个微博页面是否有微博，如果没有，返回Fasle, 最开始考虑不周到，这个函数导致需要再次用webdriver打开页面 严重拖慢爬取速度，弃用

browser.get(url) if is_ele_exist(browser,“WB_feed_handle”): return True else: return False

‘’’

def has_source(html):

‘’’

判断一个微博页面是否有微博，如果没有，返回Fasle, 改良版，不用再次加载页面 ‘’’ bs = bs4.BeautifulSoup(html,“lxml”)

if bs.find(“div”,class_=“WB_detail”) !=None:

return True

else:

return False

def getusermessage(html):

‘’’

获取用户信息，包括头像，姓名。粉丝 :param html: :return:

‘’’ user = {}

bs = bs4.BeautifulSoup(html,“lxml”)

user[“姓名”] = bs.find_all(“h1”,class_=“username”)[0].text

user[“头像”] = bs.find_all(“p”,class_=“photo_wrap”)[0].find_all(“img”)[0][“src”]

user[“认证”] = bs.find_all(“div”,class_=“pf_intro”)[0][“title”]

messagebox = bs.find_all(“div”,class_=“WB_innerwrap”)

messages = messagebox[0].find_all(“td”,class_=“S_line1”)

for message in messages:

title = message.find_all(“span”,class_=“S_txt2”)[0].text

content = message.find_all(“strong”,class_=“W_f16”)[0].text

user[title] = content

print(user)

return user

def getweibo(filename,html):

‘’’

获取一个页面上的所有信息，包括每一条微博的内容，转发，评论，点赞数量 ‘’’ file = open(filename,“a”,encoding=“utf-8”)

beautifulsoup = bs4.BeautifulSoup(html,“lxml”)

weibos = beautifulsoup.find_all(“div”,class_="WB_cardwrap WB_feed_type S_bg2 ") #获得用于显示微博的父节点

weibonum = 0 #计算该页微博数量

for weibo in weibos:

#对每一个微博父节点进行处理

weibotext = weibo.find_all(“div”,class_ = “WB_text W_f14”) #获取微博文本内容

message = weibotext[0].text.replace(" ",“”) #取出文本中的所有空格

weibonum+=1 #微博数量+1

file.write(“\n第”+str(weibonum)+“条微博内容是:”+message+“\n”)

weibopics = weibo.find_all(“div”,class_=“WB_media_wrap clearfix”) #获取用于显示图片的标签

if len(weibopics) != 0: #判断标签是否存在

pics = weibopics[0].find_all(“img”) #获取该标签中的所有图片

for pic in pics:

file.write(pic[“src”]+“\n”)

weibomessages = weibo.find_all(“div”, class_=“WB_feed_handle”) # 获取微博信息父节点

weibomessagecontents = weibomessages[0].find_all(“a”, class_=“S_txt2”) #获取用于显示微博信息的节点（包括转发，评论，点赞数量）

for weibomessagecontent in weibomessagecontents[1:]: #分别获取信息

contents = weibomessagecontent.find_all(“em”)

file.write(contents[1].text+" ")

file.close()

print(“成功存储一个页面的微博”)

return weibonum

def getpageurl(url,num):

‘’’

根据一个用户的第一页获取后续的url http://www.weibo.com/u/1858002662?c=spr_sinamkt_buy_hyww_weibo_p113&is_hot=1#1496336038914 http://www.weibo.com/u/1858002662?is_search=0&visible=0&is_hot=1&is_tag=0&profile_ftype=1&page=2#feedtop

http://weibo.com/leehom?refer_flag=1005055013_&is_all=1 http://weibo.com/leehom?is_search=0&visible=0&is_all=1&is_tag=0&profile_ftype=1&page=2#feedtop 通过分析指导，page应该是表示的页面，is_all和is_hot应该对应的是热门微博和全部微博 ‘’’ preurl = url.split(“?”)

preurl = preurl[0]

pageurl = preurl+“?is_search=0&visible=0&is_all=1&is_tag=0&profile_ftype=1&page=”+str(num)+“#feedtop”

return pageurl

def spider(url,username,password):

num = 0;

browser = login(“http://weibo.com/login.php”,username,password)

print(“开始获取第1页的微博”)

html = getweibohtml(browser,url)

file = open(“f:****\\****xuanzi.txt”,“a”,encoding=“utf-8”)

user = getusermessage(html)

for key in user.keys():

file.write(key+“:”+user[key]+“\n”)

file.close()

num += getweibo(“f:****\\****xuanzi.txt”,html)

print(“获取第1页的微博成功”)

page = 1;

while True:

page+=1

pageurl = getpageurl(url,page)

print(pageurl)

html = getweibohtml(browser, pageurl)

if has_source(html):

print(“开始获取第”+str(page)+“页的微博”)

num += getweibo(“f:****\\****xuanzi.txt”,html)

else:

return

return num

if __name__ ==“__main__”:

#browser = login(“http://weibo.com/login.php”,“15271183269”,“f43312626”)

‘’’

for cookie in cookies: if cookie[“name”] == “_s_tentry”: log_cookie = cookie break ‘’’ ‘’’ getweibohtml(“http://www.weibo.com/u/1858002662?is_search=0&visible=0&is_tag=0&profile_ftype=1&page=3&c=spr_sinamkt_buy_hyww_weibo_t113&is_all=1”, browser) ‘’’ #print(has_source(browser,“http://www.weibo.com/u/1858002662?is_search=0&visible=0&is_tag=0&profile_ftype=1&page=21&c=spr_sinamkt_buy_hyww_weibo_t113&is_all=1”))

#file = open(“f:\\test5.html”,“rb”).read() #html = file.decode(“utf-8”,“ignore”) #getweibo(html)

#url = getpageurl(“http://weibo.com/dasima315?sudaref=passport.weibo.com&is_all=1”, 4) #print(url) #num = spider(“http://www.weibo.com/u/1858002662?c=spr_sinamkt_buy_hyww_weibo_p113&is_hot=1”, “15271183269”, “f43312626”) #print(“一共获取”+str(num)+“条微博”)

spider(“http://www.weibo.com/u/1858002662?c=spr_sinamkt_buy_hyww_weibo_p113&is_hot=1”,“15271183269”,“f43312626”)

轩子局二兔的微博一共有21页，932条，以下是一部分爬取到的文件内容

姓名:轩子巨2兔

头像:http://tvax3.sinaimg.cn/crop.9.0.493.493.180/6ebedee6ly8ffq59vzv9qj20e80dpaag.jpg

认证:斗鱼直播平台签约主播

关注:293

粉丝:503619

微博:932

第1条微博内容是:

庆祝微博40万关注_{转发这条骚气的微博，抽5人送出100元红包加一段私人定制音频}​​​​

http://wx3.sinaimg.cn/orj360/6ebedee6gy1feecnoofjvg20ap07ikjr.gif

4333  1810  3644

第2条微博内容是:

来斗鱼快两个月了，昨夜斗鱼粉丝破了100万。黑粉很失望，他们竭尽全力却无法阻止。不膨胀，继续努力做好声音！为回馈百万轩子大军，抽5人送出100元红包和一段专属音频，转发即可，截止至3月25日24点。​​​​

http://wx2.sinaimg.cn/thumb150/6ebedee6gy1fdve8bakcpj20sf0kuara.jpg

http://wx1.sinaimg.cn/thumb150/6ebedee6gy1fdve8jbtjwj20sf0kudz7.jpg

4431  1768  3184

第3条微博内容是:

“不知尬舞”​​​​

http://wx2.sinaimg.cn/thumb150/6ebedee6gy1fdir07mn9jj21kw23ungz.jpg

http://wx3.sinaimg.cn/thumb150/6ebedee6gy1fdir0akk9vj21kw22ekad.jpg

http://wx2.sinaimg.cn/thumb150/6ebedee6gy1fdir0ca1xaj21kw23ugzt.jpg

http://wx1.sinaimg.cn/thumb150/6ebedee6gy1fdir03x5dhj20k00ci77i.jpg

256  1281  5533

第4条微博内容是:

这次斗鱼的美食节目因故取消了，但不影响真爱粉的福利。转发抽5人送100网费​​​​

http://wx2.sinaimg.cn/thumb150/6ebedee6gy1ff8qkcg02sj21be0qodn4.jpg

http://wx2.sinaimg.cn/thumb150/6ebedee6gy1ff8qkfkf19j21be0qo47a.jpg

http://wx2.sinaimg.cn/thumb150/6ebedee6gy1ff8qkk6zojj20qo1bedna.jpg

http://wx2.sinaimg.cn/thumb150/6ebedee6gy1ff8qky81l8j20qo1be10q.jpg

http://wx1.sinaimg.cn/thumb150/6ebedee6gy1ff8qkh1k32j21be0qoaiu.jpg

http://wx4.sinaimg.cn/thumb150/6ebedee6gy1ff8qllalw1j222o160njp.jpg

http://wx3.sinaimg.cn/thumb150/6ebedee6gy1ff8qkil677j21be0qoqb6.jpg

http://wx2.sinaimg.cn/thumb150/6ebedee6gy1ff8qkwcdmej21be0qojy6.jpg

http://wx1.sinaimg.cn/thumb150/6ebedee6gy1ff8qlb89d1j216022ox1n.jpg

1929  1118  3457

第5条微博内容是:

最后

不知道你们用的什么环境，我一般都是用的Python3.6环境和pycharm解释器，没有软件，或者没有资料，没人解答问题，都可以免费领取（包括今天的代码），过几天我还会做个视频教程出来，有需要也可以领取~

给大家准备的学习资料包括但不限于：

Python 环境、pycharm编辑器/永久激活/翻译插件

python 零基础视频教程

Python 界面开发实战教程

Python 爬虫实战教程

Python 数据分析实战教程

python 游戏开发实战教程

Python 电子书100本

Python 学习路线规划

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！