python爬虫,微博爬虫,需要知晓微博用户id号,能够通过抓取微博用户主页内容来获取用户发表的内容,时间,点赞数,转发数等数据,当然以上都是本渣渣结合网上代码抄抄改改获取的!
要抓取的微博地址:https://weibo.com/u/5118612601
BUT,我们实际应用的抓取地址:https://m.weibo.cn/u/5118612601(移动端的微博地址)
LSP的最爱,各种小姐姐,随你任意爬取,快收藏起来啊!
通过浏览器抓包,我们可以获悉几个比较重要的参数:
type: uid
value: 5118612601
containerid: 1005055118612601
其实还有一个比较重要的参数,那就是翻页:'page':page!
还有一个SSL错误问题,大家可以自行处理!
import logging
logging.captureWarnings(True)
# 屏蔽warning信息
requests.packages.urllib3.disable_warnings()
html=requests.get(self.url,headers=self.headers,params=params,timeout=5,verify=False).content.decode('utf-8')
def get_containerid(self):
url = f'https://m.weibo.cn/api/container/getIndex?type=uid&value={self.uid}'
data = requests.get(url,headers=self.headers,timeout=5,verify=False).content.decode('utf-8')
content = json.loads(data).get('data')
for data in content.get('tabsInfo').get('tabs'):
if (data.get('tab_type') == 'weibo'):
containerid = data.get('containerid')
self.containerid=containerid
def get_content(self,i):
params={
'type': 'uid',
'value': self.uid,
'containerid': self.containerid,
'page':i,
}
html=requests.get(self.url,headers=self.headers,params=params,timeout=5,verify=False).content.decode('utf-8')
data=json.loads(html)['data']
cards=data['cards']
#print(cards)
j = 1
for card in cards:
if "mblog" in str(card):
mblog = card['mblog']
raw_text = mblog['raw_text'] # 文本内容
print(raw_text)
scheme=card['scheme'] #微博链接
attitudes_count = mblog.get('attitudes_count') #点赞数
comments_count = mblog.get('comments_count') #评论数
created_at = mblog.get('created_at') #发布时间
reposts_count = mblog.get('reposts_count') #转发数
print(scheme)
img_path=f'{self.path}{i}/{j}'
os.makedirs(f'{img_path}/',exist_ok=True)
with open(f'{img_path}/{j}.txt', 'a', encoding='utf-8') as f:
f.write(f'{raw_text}')
img_urls=[]
if mblog.get('pics') != None:
img_datas=mblog['pics']
for img_data in img_datas:
img_url=img_data['large']['url']
img_urls.append(img_url)
print(img_urls)
#多线程下载图片
self.get_imgs(img_urls,img_path)
#多进程下载图片
#self.get_pimgs(img_urls)
with open(f'{self.uid}/{self.uid}.txt', 'a', encoding='utf-8') as fh:
fh.write("----第" + str(i) + "页,第" + str(j) + "条微博----" + "\n")
fh.write(f"微博地址: {str(scheme)}\n微博内容:{raw_text}\n"
f"发布时间:{str(created_at)}\n转发数:{str(reposts_count)}\n"
f"点赞数:{str(attitudes_count)}\n评论数:{str(comments_count)}\n\n")
j=j+1
time.sleep(2)
#多线程下载图片
def get_imgs(self,img_urls,img_path):
threadings = []
for img_url in img_urls:
t = threading.Thread(target=self.get_img, args=(img_url,img_path))
threadings.append(t)
t.start()
for x in threadings:
x.join()
print("多线程下载图片完成")
def get_img(self, img_url,img_path):
img_name = img_url.split('/')[-1]
print(f'>> 正在下载图片:{img_name} ..')
r = requests.get(img_url, timeout=8, headers=self.headers,verify=False)
with open(f'{img_path}/{img_name}', 'wb') as f:
f.write(r.content)
print(f'>> 图片:{img_name} 下载完成!')
本来还想搞个多进程,结果翻车了,报错各种头秃,那就不搞了!!
手里头有二份微博爬虫的源码,不同的爬取地址和思路,一起分享给大家,仅供参考学习!
一份还包含GUI界面,当然这是本渣渣参考的主要来源代码!
亲测可运行哈!!
关注本渣渣微信公众号:二爷记
后台回复关键字:“微博爬虫”
获取所有源码
本文分享自 Python与SEO学习 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 腾讯云自媒体同步曝光计划 ,欢迎热爱写作的你一起参与!