2.python爬虫学习——微博消息爬取

Ajax网页消息爬取练习,来自《Python3网络爬虫开发实战》

 

from urllib.parse import urlencode
import requests
from bs4 import BeautifulSoup
import pymysql



base_url = 'https://m.weibo.cn/api/container/getIndex?'
 
headers = {
    'Host': 'm.weibo.cn',
    'Referer': 'https://m.weibo.cn/u/2830678474',
    'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36',
    'X-Requested-With': 'XMLHttpRequest',
    # 如果 requestedWith 为 null,则为同步请求。
    # 如果 requestedWith 为 XMLHttpRequest 则为 Ajax 请求。
}

def get_page(page):
    params = {
        'type': 'uid',
        'value': '2145291155',#who
        'containerid': '1076032145291155',
        'page': page
    }
    url = base_url + urlencode(params)
    try:
        response = requests.get(url, headers=headers)
        if response.status_code == 200:
            return response.json() #json好用
    except requests.ConnectionError as e:
        print('Error', e.args)
        
def parse_page(json):
    if json:
        items = json.get('data').get('cards')
        for item in items:
            item = item.get('mblog')
            weibo = {}
            weibo['id'] = item.get('id')
            weibo['text'] =BeautifulSoup(item.get('text'),"lxml").text
            #奇怪,这里的 .string不行none,而.text可以
            #好吧,原因是string返回第一个string,而strings则是全部,当第一个是nono,也就G了
            #If this tag has no children, or more than one child, return value is None.
            weibo['attitudes'] = item.get('attitudes_count')
            weibo['comments'] = item.get('comments_count')
            weibo['reposts'] = item.get('reposts_count')
            yield weibo
            
def initmysql():
    db = pymysql.connect(host='localhost', user='root', password='', port=3306, db='spider')
    print('连接数据库成功!!!')
    cursor = db.cursor()
    sql = """CREATE TABLE IF NOT EXISTS weibo (
            id VARCHAR(20) NOT NULL,
            text VARCHAR(256) ,
            attitudes CHAR(10) ,
            comments CHAR(10),
            PRIMARY KEY (id));
            """
    #text仅256位,其他大文本可考虑blob clob
    cursor.execute(sql)
    print('表spider连接成功')
    return db,cursor
###*********************************************
#这里本来想写成函数但是这样的话,inerfaceerror,查了可能是无法连接数据库,或者游标错误
###**********************************************
##然而发现是作用域问题 cursor  db
    
def save_to_mysql(result):#最后自己加close哈   ###cursor得引入啊!!!
    sql = 'insert into weibo(id, text, attitudes, comments) values(%s, %s, %s, %s)'
    try:
        cursor.execute(sql,(result['id'],result['text'],result['attitudes'],result['comments']))
        db.commit()
    except:
        db.rollback()

if __name__=='__main__':  
    db,cursor = initmysql()    
    for page in range(1,2):#两页
        results = parse_page(get_page(page))
        for result in results:
            print(result)
            save_to_mysql(result)
    db.close()
    print('存储完毕')

最后把微博某个人的微博消息,点赞,评论,转发等提取出来到mysql里面。

程序的封装还是很差,,,

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值