前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >Python selenium抓取微博内容

Python selenium抓取微博内容

作者头像
海天一树
发布2018-07-25 14:14:08
6050
发布2018-07-25 14:14:08
举报
文章被收录于专栏:海天一树海天一树

Python抓取微博有两种方式,一是通过selenium自动登录后从页面直接爬取,二是通过api。 这里采用selenium的方式。

程序:

代码语言:javascript
复制
from selenium import webdriver
import time
import re
#全局变量
driver = webdriver.Chrome("C:\Program Files (x86)\Google\Chrome\Application\chromedriver.exe")
def loginWeibo(username, password):
    driver.get('https://passport.weibo.cn/signin/login')
    time.sleep(1)
    driver.find_element_by_id("loginName").send_keys("haishu_zheng@163.com")
    driver.find_element_by_id("loginPassword").send_keys("Weibo01061122")
    time.sleep(1)
    driver.find_element_by_id("loginAction").click()
    #driver.close()
def visitUserPage(userId):
    driver.get('http://weibo.cn/' + userId)
    print('********************')   
    print('用户资料')
    # 1.用户id
    print('用户id:' + userId)
    # 2.用户昵称
    strName = driver.find_element_by_xpath("//div[@class='ut']")
    strlist = strName.text.split(' ')
    nickname = strlist[0]
    print('昵称:' + nickname)
    # 3.微博数、粉丝数、关注数
    strCnt = driver.find_element_by_xpath("//div[@class='tip2']")
    pattern = r"\d+\.?\d*"  # 匹配数字,包含整数和小数
    cntArr = re.findall(pattern, strCnt.text)
    print(strCnt.text)
    print("微博数:" + str(cntArr[0]))
    print("关注数:" + str(cntArr[1]))
    print("粉丝数:" + str(cntArr[2]))
    print('\n********************')
    # 4.将用户信息写到文件里
    with open("weibo.txt", "w") as file:
        file.write("用户ID:" + userId + '\r\n')
        file.write("昵称:" + nickname + '\r\n')
        file.write("微博数:" + str(cntArr[0]) + '\r\n')
        file.write("关注数:" + str(cntArr[1]) + '\r\n')
        file.write("粉丝数:" + str(cntArr[2]) + '\r\n')
    # 5.获取微博内容
    # http://weibo.cn/ + userId + ? filter=0&page=1
    # filter为0表示全部,为1表示原创
    print("微博内容")
    pageList = driver.find_element_by_xpath("//div[@class='pa']")
    print(pageList.text)
    pattern = r"\d+\d*"         # 匹配数字,只包含整数
    pageArr = re.findall(pattern, pageList.text)
    totalPages = pageArr[1]     # 总共有多少页微博
    print(totalPages)
    pageNum = 1         # 第几页
    numInCurPage = 1    # 当前页的第几条微博内容
    contentPath = "//div[@class='c'][{0}]"
    while(pageNum <= 2):    
    #while(pageNum <= totalPages):
        contentUrl = "http://weibo.cn/" + userId + "?filter=0&page=" + str(pageNum)
        driver.get(contentUrl)
        content = driver.find_element_by_xpath(contentPath.format(numInCurPage)).text
        # print("\n" + content)  # 微博内容,包含原创和转发
        if "设置:皮肤.图片.条数.隐私" not in content:
            numInCurPage += 1
            with open("weibo.txt", "a") as file:
                file.write("\r\n" + "\r\n" + content)   # 将微博内容逐条写到weibo.txt中
        else:
            pageNum += 1                        # 抓取新一页的内容
            numInCurPage = 1                    # 每一页都是从第1条开始抓
if __name__ == '__main__':
    username = 'your username'  # 输入微博账号
    password = 'your password'          # 输入密码
    loginWeibo(username, password)      # 要先登录,否则抓取不了微博内容
    time.sleep(3)
    uid = 'xywyw'                       # 寻医问药
    visitUserPage(uid)

运行结果:

同时还生成了weibo.txt文件,内容如下

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2018-05-17,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 海天一树 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档