Java+Jsoup爬虫微博

7 篇文章 0 订阅

源码链接:https://pan.baidu.com/s/1oOAxJqSMCyVJPNv-iAYW7A
提取码:1co9

Java+Jsoup爬虫小红书,微博,B站
在这里插入图片描述
爬取地址:https://weibo.com/1234692083/Ixnp6nuPk
目标:抓取文章的转发量,评论量,点赞量
在这里插入图片描述

1.F12分析下页面

在这里插入图片描述

2.使用Jsoup进行抓取
这里发现,毛都没有取到,找了半天没线索
在这里插入图片描述
在使用get请求试一下
在这里插入图片描述
这啥玩意???
问下度娘,原来这是(新浪访客系统),想要获取到微博的静态页面,需要在请求头里埋入Cookie
感谢大佬提出的思路让我少走了很多弯路:微博爬虫之:无需账号获取微博weibo的Cookie

如何获取Cookie?
请求俩接口得到必要的参数就ok了
接口1:https://passport.weibo.com/visitor/genvisitor?cb=gen_callback(返回tid)
接口2:https://passport.weibo.com/visitor/visitor?a=incarnate&t=接口1里的tid&w=3&c=100&cb=cross_domain&from=weibo(返回sub和subp)
Cookie:Sub=接口2的sub; SUBP=接口2的subp
在这里插入图片描述
之后使用Jsoup,Cookie带入请求头,获取微博静态页面析出需要的值即可

分析了一下,数据在js里,需要解析出来
在这里插入图片描述
我们需要的值在这里的html属性下,想尽一切方法,取出来就行,如何取出

分析了一下后,我决定用正则方式删选出要的数据,在替换掉前后符号,在转为json,调出对应值即可

开头:FM.view(
结尾:)

就可以遍历,拿到所有符合这个规则的数据
在这里插入图片描述

替换前:FM.view(
替换后:

替换前:)
替换后:

转为json格式
在这里插入图片描述

遍历:ns==pl.content.weiboDetail.index的html属性取出

字符串转为Jsoup
Jsoup.parseBodyFragment(html)

分析结构,解析数据
在这里插入图片描述
获取.WB_row_line下的span.S_line1下的第二个em
.WB_row_line span.S_line1 em:nth-child(2)
将4个em存入list集合
取2,3,4即可
在这里插入图片描述

  • 3
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 4
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
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