不知你们发现了没有,微博偷偷推出了一个新版本的 网页版
界面相对原版微博来说简直是舒服了不知多少倍,全新炫目的微博界面、清晰有条理的分组阅读、个性化的应用管理……(微博打钱!)
那咱们今天就用这个来爬一爬你女神历史博文数据吧!
一、网页分析
今天我选择的女神是迪丽热巴!阿巴阿巴
找到热巴的主页,依旧先打开开发者模式,然后刷新网页。
我们很容易的就能找到这个请求,我们可以看到,里面包含博文内容信息、点赞数、转发数、评论数、发文时间等等一些信息。
还能获得热巴的照片哦,这里就不再教你们了^_^。
二、接口分析
url分析
第一页:
https://weibo.com/ajax/statuses/mymblog?uid=1669879400&page=1&feature=0
继续往下翻:
第二页:
https://weibo.com/ajax/statuses/mymblog?uid=1669879400&page=2&feature=0
可以发现改变的只有page这个参数,代表的是第几页
其中的uid就是热巴微博用户id了,如果把这个uid换成你女神的uid那么爬取的就是你女神的博文信息了,懂???
OK,万事大吉
返回数据分析
用的是GET请求,返回的数据类型是json格式的,编码为utf-8。
直接把得到的数据按照json数据格式化就行了。
三、编写代码
知道了url规则,以及返回数据的格式,那现在咱们的任务就是构造url然后请求数据
现在来构造url:
写道这不知道你们意识到了没,怎么知道他有多少页的博文呢?
那咱们就用while循环来解决,一旦请求不到博文了咱们就可退出循环了。
uid = 1669879400
url = 'https://weibo.com/ajax/statuses/mymblog?uid={}&page={}&feature=0'
page = 1
while 1:
url = url.format(uid, page)
page += 1
对于每个url我们都要去用requests库中的get方法去请求数据:
所以我们为了方便就把请求网页的代码写成了函数get_html(url),传入的参数是url返回的是请求到的内容。
def get_html(url):
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.82 Safari/537.36",
"Referer": "https://weibo.com"
}
cookies = {
"cookie": "你的cookie"
}
response = requests.get(url, headers=headers, cookies)
time.sleep(3) # 加上3s 的延时防止被反爬
return response.text
把自己的cookie里面的信息替换掉代码里的就好了。
cookies获取方式
获取数据
html = get_html(url) responses = json.loads(html) blogs = responses['data']['list'] data = {} # 新建个字典用来存数据 for blog in blogs: data['attitudes_count'] = blog['attitudes_count'] # 点赞数量 data['comments_count'] = blog['comments_count'] # 评论数量(超过100万的只会显示100万) data['created_at'] = blog['created_at'] # 发布时间 data['reposts_count'] = blog['reposts_count'] # 转发数量(超过100万的只会显示100万) data['text_raw'] = blog['text_raw'] # 博文正文文字数据
保存数据
定义一个函数
def save_data(data):
title = ['text_raw', 'created_at', 'attitudes_count', 'comments_count', 'reposts_count']
with open("data.csv", "a", encoding="utf-8", newline="")as fi:
fi = csv.writer(fi)
fi.writerow([data[i] for i in title])
完整代码
# -*- coding:utf-8 -*-
# @time: 2021/5/20 5:20
# @Author: 韩国麦当劳
# @Environment: Python 3.7
# @file: 有情人终成眷属.py
import requests
import csv
import time
import json
def get_html(url):
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.82 Safari/537.36",
"Referer": "https://weibo.com"
}
cookies = {
"cookie": "你的cookie"
}
response = requests.get(url, headers=headers, cookies=cookies)
time.sleep(3) # 加上3s 的延时防止被反爬
return response.text
def save_data(data):
title = ['text_raw', 'created_at', 'attitudes_count', 'comments_count', 'reposts_count']
with open("data.csv", "a", encoding="utf-8", newline="")as fi:
fi = csv.writer(fi)
fi.writerow([data[i] for i in title])
if __name__ == '__main__':
uid = 1669879400
url = 'https://weibo.com/ajax/statuses/mymblog?uid={}&page={}&feature=0'
page = 1
while 1:
print(page)
url = url.format(uid, page)
html = get_html(url)
responses = json.loads(html)
blogs = responses['data']['list']
if len(blogs) == 0:
break
data = {} # 新建个字典用来存数据
for blog in blogs:
data['attitudes_count'] = blog['attitudes_count'] # 点赞数量
data['comments_count'] = blog['comments_count'] # 评论数量(超过100万的只会显示100万)
data['created_at'] = blog['created_at'] # 发布时间
data['reposts_count'] = blog['reposts_count'] # 转发数量(超过100万的只会显示100万)
data['text_raw'] = blog['text_raw'] # 博文正文文字数据
save_data(data)
page += 1
获得的部分数据截图
版权声明:本文为CSDN博主「韩国麦当劳」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。原文链接:Python爬虫实战(三):微博博文内容爬取_韩国麦当劳的博客-CSDN博客_python微博爬虫实战