weibo-topic-spyder
微博超级话题爬虫,微博词频统计+情感分析+简单分类
新增微博普通话题爬取,其中讨论和阅读数量的爬取待完善
爬取数据展示
使用方法
爬虫主文件:
微博普通话题:normal-topic-spyder.py
微博超级话题:super-topic-spyder.py
在爬虫主文件中的主函数中输入账号、密码和想要爬取的超话名称即可开始爬取,需要提前安装所需的python库和chromedriver驱动
爬取结束后数据会自动保存在当前目录下的excel文件中,每行为一个微博数据。
提示:普通的话题爬取需要添加#,例如#话题#,超级话题无需添加;一般而言,在微博中超级话题前带有钻石标志,普通话题为#话题#的格式
超级话题爬虫
使用了selenium模拟浏览器登陆进行爬取,具体话题爬取数量受微博限制,目前单个话题最大获取微博数量为8000条左右,选择了使用手机网页模式爬取,以获得最佳的爬取效果。
账号与IP数量对单个超话的爬取帮助不大,就只设置了单账号和ip模式,若需多超话同时爬取可以自行添加。
如需爬取多个超话,可以选择使用cookie登陆,最为方便
词频统计
使用了jieba库进行分词,最后对分词结果进行简单统计并且存储到txt中
情感分析
调用了百度大脑的api接口,可以自行注册获取key,平台不限调用次数,详细接口见百度大脑
其他
欢迎大家参与和完善:如有其他问题,欢迎提交issue