建站
咨詢
售后
建站咨詢
新聞中心
本文轉(zhuǎn)載自微信公眾號「志斌的python筆記」，作者 志斌。轉(zhuǎn)載本文請聯(lián)系志斌的python筆記公眾號。
大家好，我是志斌~
前幾天學(xué)校一個(gè)老師在做微博的輿情分析找我?guī)退阋粋€(gè)用關(guān)鍵字爬取微博的爬蟲，再加上最近很多讀者問志斌微博爬蟲的問題，今天志斌來跟大家分享一下。
01分析頁面
我們此次選擇的是從移動(dòng)端來對微博進(jìn)行爬取。移動(dòng)端的反爬就是信息校驗(yàn)反爬蟲的cookie反爬蟲，所以我們首先要登陸獲取cookie。
登陸過后我們就可以獲取到自己的cookie了，有不懂的小伙伴可以看這篇文章學(xué)會(huì)Cookie，解決登錄爬取的困擾!。然后我們來觀察用戶是如何搜索微博內(nèi)容的。
平時(shí)我們都是在這個(gè)地方輸入關(guān)鍵字，來進(jìn)行搜索微博。
我通過在開發(fā)者模式下對這個(gè)頁面觀察發(fā)現(xiàn)，它每次對關(guān)鍵字發(fā)起請求后，就會(huì)返回一個(gè)XHR響應(yīng)。
我們現(xiàn)在已經(jīng)找到數(shù)據(jù)真實(shí)存在的頁面了，那就可以進(jìn)行爬蟲的常規(guī)操作了。
02數(shù)據(jù)采集
在上面我們已經(jīng)找到了數(shù)據(jù)存儲(chǔ)的真實(shí)網(wǎng)頁，現(xiàn)在我們只需對該網(wǎng)頁發(fā)起請求，然后提取數(shù)據(jù)即可。
01發(fā)起請求
通過對請求頭進(jìn)行觀察，我們不難構(gòu)造出請求代碼。
代碼如下：
- key = input("請輸入爬取關(guān)鍵字:")
- for page in range(1,10):
- params = (
- ('containerid', f'100103type=1&q={key}'),
- ('page_type', 'searchall'),
- ('page', str(page)),
- )
- response = requests.get('https://m.weibo.cn/api/container/getIndex', headers=headers, params=params)
02提取數(shù)據(jù)
從上面我們觀察發(fā)現(xiàn)這個(gè)數(shù)據(jù)可以轉(zhuǎn)化成字典來進(jìn)行爬取，但是經(jīng)過我實(shí)際測試發(fā)現(xiàn)，用正則來提取是最為簡單方便的，所以這里展示的是正則提取的方式，有興趣的讀者可以嘗試用字典方式來提取數(shù)據(jù)。代碼如下：
- r = response.text
- title = re.findall('"page_title":"(.*?)"',r)
- comments_count = re.findall('"comments_count":(.*?),',r)
- attitudes_count = re.findall('"attitudes_count":(.*?),',r)
- for i in range(len(title)):
- print(eval(f"'{title[i]}'"),comments_count[i],attitudes_count[i])
在這里有一個(gè)小問題要注意，微博的標(biāo)題是用Unicode編碼的，如果直接爬取存儲(chǔ)，將存儲(chǔ)的是Unicode編碼，在這里要感謝大佬—小明哥的幫助，志斌在網(wǎng)上搜了好多解決方法都沒有成功，最后小明哥一個(gè)簡單的函數(shù)就給解決了，實(shí)在是佩服!
解決方案：用eval()來輸出標(biāo)題，就可以將Unicode轉(zhuǎn)換成漢字了。
03小結(jié)
1. 本文詳細(xì)介紹了如何用Python指定關(guān)鍵字爬取微博，有興趣的讀者可以嘗試自己動(dòng)手練習(xí)一下。
2. 本文僅供讀者學(xué)習(xí)使用，不做其他用途!
3. 點(diǎn)擊下方[在看]，即可找志斌領(lǐng)取本文全部代碼。
本文標(biāo)題：爬蟲實(shí)戰(zhàn)|用Python爬取指定關(guān)鍵詞的微博~
網(wǎng)址分享：http://www.5511xx.com/article/dhcgdpj.html
