本文實例講述了Python爬蟲爬取新浪微博內(nèi)容。分享給大家供大家參考，具體如下：
用Python編寫爬蟲，爬取微博大V的微博內(nèi)容，本文以女神的微博為例（爬新浪m站：https://m.weibo.cn/u/1259110474）
一般做爬蟲爬取網(wǎng)站，首選的都是m站，其次是wap站，最后考慮PC站。當然，這不是絕對的，有的時候PC站的信息最全，而你又恰好需要全部的信息，那么PC站是你的首選。一般m站都以m開頭后接域名， 所以本文開搞的網(wǎng)址就是 m.weibo.cn。
前期準備
1.代理IP
網(wǎng)上有很多免費代理ip，如西刺免費代理IPhttp://www.xicidaili.com/，自己可找一個可以使用的進行測試；
2.抓包分析
通過抓包獲取微博內(nèi)容地址，這里不再細說，不明白的小伙伴可以自行百度查找相關(guān)資料，下面直接上完整的代碼
完整代碼：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
|
# -*- coding: utf-8 -*-import urllib.requestimport json#定義要爬取的微博大V的微博IDid='1259110474'#設(shè)置代理IPproxy_addr="122.241.72.191:808"#定義頁面打開函數(shù)def use_proxy(url,proxy_addr): req=urllib.request.Request(url) req.add_header("User-Agent","Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/49.0.2623.221 Safari/537.36 SE 2.X MetaSr 1.0") proxy=urllib.request.ProxyHandler({'http':proxy_addr}) opener=urllib.request.build_opener(proxy,urllib.request.HTTPHandler) urllib.request.install_opener(opener) data=urllib.request.urlopen(req).read().decode('utf-8','ignore') return data#獲取微博主頁的containerid，爬取微博內(nèi)容時需要此iddef get_containerid(url): data=use_proxy(url,proxy_addr) content=json.loads(data).get('data') for data in content.get('tabsInfo').get('tabs'): if(data.get('tab_type')=='weibo'): containerid=data.get('containerid') return containerid#獲取微博大V賬號的用戶基本信息，如：微博昵稱、微博地址、微博頭像、關(guān)注人數(shù)、粉絲數(shù)、性別、等級等def get_userInfo(id): url='https://m.weibo.cn/api/container/getIndex?type=uid&value='+id data=use_proxy(url,proxy_addr) content=json.loads(data).get('data') profile_image_url=content.get('userInfo').get('profile_image_url') description=content.get('userInfo').get('description') profile_url=content.get('userInfo').get('profile_url') verified=content.get('userInfo').get('verified') guanzhu=content.get('userInfo').get('follow_count') name=content.get('userInfo').get('screen_name') fensi=content.get('userInfo').get('followers_count') gender=content.get('userInfo').get('gender') urank=content.get('userInfo').get('urank') print("微博昵稱："+name+"\n"+"微博主頁地址："+profile_url+"\n"+"微博頭像地址："+profile_image_url+"\n"+"是否認證："+str(verified)+"\n"+"微博說明："+description+"\n"+"關(guān)注人數(shù)："+str(guanzhu)+"\n"+"粉絲數(shù)："+str(fensi)+"\n"+"性別："+gender+"\n"+"微博等級："+str(urank)+"\n")#獲取微博內(nèi)容信息,并保存到文本中，內(nèi)容包括：每條微博的內(nèi)容、微博詳情頁面地址、點贊數(shù)、評論數(shù)、轉(zhuǎn)發(fā)數(shù)等def get_weibo(id,file): i=1 while True: url='https://m.weibo.cn/api/container/getIndex?type=uid&value='+id weibo_url='https://m.weibo.cn/api/container/getIndex?type=uid&value='+id+'&containerid='+get_containerid(url)+'&page='+str(i) try: data=use_proxy(weibo_url,proxy_addr) content=json.loads(data).get('data') cards=content.get('cards') if(len(cards)>0): for j in range(len(cards)): print("-----正在爬取第"+str(i)+"頁，第"+str(j)+"條微博------") card_type=cards[j].get('card_type') if(card_type==9): mblog=cards[j].get('mblog') attitudes_count=mblog.get('attitudes_count') comments_count=mblog.get('comments_count') created_at=mblog.get('created_at') reposts_count=mblog.get('reposts_count') scheme=cards[j].get('scheme') text=mblog.get('text') with open(file,'a',encoding='utf-8') as fh: fh.write("----第"+str(i)+"頁，第"+str(j)+"條微博----"+"\n") fh.write("微博地址："+str(scheme)+"\n"+"發(fā)布時間："+str(created_at)+"\n"+"微博內(nèi)容："+text+"\n"+"點贊數(shù)："+str(attitudes_count)+"\n"+"評論數(shù)："+str(comments_count)+"\n"+"轉(zhuǎn)發(fā)數(shù)："+str(reposts_count)+"\n") i+=1 else: break except Exception as e: print(e) passif __name__=="__main__": file=id+".txt" get_userInfo(id) get_weibo(id,file) |
爬取結(jié)果
希望本文所述對大家Python程序設(shè)計有所幫助。
原文鏈接：https://blog.csdn.net/d1240673769/article/details/74278547
