专栏首页有趣的Python和你微博(APP)榜单爬虫及数据可视化

微博(APP)榜单爬虫及数据可视化

前言

今天继续APP爬虫,今天爬取的是微博榜单(24小时榜)的数据,采集的字段有:

  • 用户id
  • 用户地区
  • 用户性别
  • 用户粉丝
  • 微博内容
  • 发布时间
  • 转发、评论和点赞量

该文分以下内容:

  • 爬虫代码
  • 用户分析
  • 微博分析

爬虫代码

import requests
import json
import re
import time
import csv

headers = {
    'Host': 'api.weibo.cn',
    'Connection': 'keep-alive',
    'User-Agent': 'Weibo/29278 (iPhone; iOS 11.4.1; Scale/2.00)'
}

f = open('1.csv','w+',encoding='utf-8',newline='')
writer = csv.writer(f)
writer.writerow(['user_id','user_location','user_gender','user_follower','text','created_time','reposts_count','comments_count','attitudes_count'])

def get_info(url):
    res = requests.get(url,headers=headers)
    print(url)
    datas = re.findall('"mblog":(.*?),"weibo_position"',res.text,re.S)
    for data in datas:
        json_data = json.loads(data+'}')
        user_id = json_data['user']['name']
        user_location = json_data['user']['location']
        user_gender = json_data['user']['gender']
        user_follower = json_data['user']['followers_count']
        text = json_data['text']
        created_time = json_data['created_at']
        reposts_count = json_data['reposts_count']
        comments_count = json_data['comments_count']
        attitudes_count = json_data['attitudes_count']
        print(user_id,user_location,user_gender,user_follower,text,created_time,reposts_count,comments_count,attitudes_count)
        writer.writerow([user_id,user_location,user_gender,user_follower,text,created_time,reposts_count,comments_count,attitudes_count])
    time.sleep(5)

if __name__ == '__main__':
    urls = ['https://api.weibo.cn/2/cardlist?gsid=_2A252dh7LDeRxGeNM41oV-S_MzDSIHXVTIhUDrDV6PUJbkdANLVTwkWpNSf8_0j6hqTyDS0clYi-pzwDc2Kd8oj_d&wm=3333_2001&i=b9f7194&b=0&from=1088193010&c=iphone&networktype=wifi&v_p=63&skin=default&v_f=1&s=ef8eeeee&lang=zh_CN&sflag=1&ua=iPhone8,1__weibo__8.8.1__iphone__os11.4.1&ft=11&aid=01AuxGxLabPA7Vzz8ZXBUpkeJqWbJ1woycR3lFBdLhoxgQC1I.&moduleID=pagecard&scenes=0&uicode=10000327&luicode=10000010&count=20&extparam=discover&containerid=102803_ctg1_8999_-_ctg1_8999_home&fid=102803_ctg1_8999_-_ctg1_8999_home&lfid=231091&page={}'.format(str(i)) for i in range(1,16)]
    for url in urls:
        get_info(url)

用户分析

首先对部分用户id进行可视化,字体大一点的是上榜2次的(这次统计中最多上榜的是2次)。

接着对地区进行数据处理,进行统计。可以看出,位于北京的用户是最多的(大V都在北京)。

df['location'] = df['user_location'].str.split(' ').str[0]

接下来看下用户的性别比例:男性用户占多。

最后再看看上榜大V粉丝前十:

微博分析

首先,对时间数据进行处理,取出小时时间段。

接着,我们看看微博点赞前十的用户。

最后,绘制微博文章词云图。

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • Python数据分析之dataframe的groupbygroupby函数highcharts绘图

    罗罗攀
  • 记爬虫小分队(六)

    他是同find方法,找的div的class标签,对于这个问题,我们可以换个思路,这个定位找不到,就往上找,我的代码:

    罗罗攀
  • 深度学习|Keras识别MNIST手写数字(二)

    今天依旧使用MNIST手写数字,方法也是MLP方法,这次我们让隐含层为1000个神经元。

    罗罗攀
  • 新手学习FFmpeg - 调用API完成录屏并进行H.264编码

    在上一篇文章中,通过调用FFmpeg API完成了Mac平台下的录屏功能。在本篇中,对上次的录屏进行优化,将采集到的视频流编码为H.264格式,同时设定FPS和...

    随机来个数
  • ES系列之原来查看文档数量有这么多姿势

    事实上远不止这么简单,比如嵌套文档的情况等。相信你看了我这篇文章之后你会感叹原来统计文档有这么多讲究啊。

    用户7634691
  • 每周分享第 27 期

    欢迎大家去 GitHub 的 ruanyf/weekly 提交 issue,进行投稿。

    ruanyf
  • Django实战篇-论坛模型层

    如果是在虚拟机中创建项目,切换到对应的虚拟环境,再执行 django-admin.py startproject my_project(项目名)。

    小团子
  • Clojure 学习入门(15)—— 条件判断

    一、标准的流程控制 if:  将一个判断表达式作为它的第一个参数进行求值。如果求值为true,那么就返回它的第二个参数(相当于“then”子句)的求值结果。如...

    阳光岛主
  • 三种State Backends | 你该用哪个?

    Checkpoint 的存储的位置取决于配置的 State backend(JobManager 内存,文件系统,数据库...)。

    王知无
  • 苹果连发三篇机器学习新研究:全是讲如何让Siri更厉害

    安妮 编译整理 量子位 出品 | 公众号 QbitAI Siri的本领升级了。 苹果上月推出的机器学习博客今天连更3篇新文,全部是有关Siri的研究技术。 ? ...

    量子位

扫码关注云+社区

领取腾讯云代金券