Python 超简单爬取微博热搜榜数据

微博的热搜榜对于研究大众的流量有非常大的价值。今天的教程就来说说如何爬取微博的热搜榜。热搜榜的链接是：

https://s.weibo.com/top/summary/

用浏览器浏览，发现在不登录的情况下也可以正常查看，那就简单多了。使用开发者工具(F12)查看页面逻辑，并拿到每条热搜的CSS位置，方法如下：

按照这个方法，拿到这个td标签的selector是：

pl_top_realtimehot > table > tbody > tr:nth-child(3) > td.td-02

其中nth-child(3)指的是第三个tr标签，因为这条热搜是在第三名的位置上，但是我们要爬的是所有热搜，因此:nth-child(3)可以去掉。还要注意的是 pl_top_realtimehot 是该标签的id，id前需要加#号，最后变成：

#pl_top_realtimehot > table > tbody > tr > td.td-02

你可以自定义你想要爬的信息，这里我需要的信息是：热搜的链接及标题、热搜的热度。它们分别对应的CSS选择器是：

链接及标题：#pl_top_realtimehot > table > tbody > tr > td.td-02 > a

热度：#pl_top_realtimehot > table > tbody > tr > td.td-02 > span

值得注意的是链接及标题是在同一个地方，链接在a标签的href属性里，标题在a的文本中，用beautifulsoup有办法可以都拿到，请看后文代码。

现在这些信息的位置我们都知道了，接下来可以开始编写程序。默认你已经安装好了python，并能使用cmd的pip，如果没有的话请见这篇教程：python安装。需要用到的python的包有：

BeautifulSoup4:

cmd/Terminal 安装指令：pip installbeautifulsoup4.

lxml解析器：

cmd/Terminal 安装指令：pip installlxml

lxml是python中的一个包，这个包中包含了将html文本转成xml对象的工具，可以定位标签的位置。而能用来识别xml对象中这些标签的位置的包就是Beautifulsoup4.

编写代码：

代码说明请看注释

结果：

代码说明请看注释，不过这样做，仅仅是将结果保存到数组中，结果非常不易观看，我们下面将其保存为csv文件。

效果如下，怎么样，是不是好看很多：