首页 > 编程 > Python > 正文

Python爬虫爬取新浪微博内容示例【基于代理IP】

2020-01-04 14:52:49
字体:
来源:转载
供稿:网友

本文实例讲述了Python爬虫爬取新浪微博内容。分享给大家供大家参考,具体如下:

用Python编写爬虫,爬取微博大V的微博内容,本文以女神的微博为例(爬新浪m站:https://m.weibo.cn/u/1259110474

一般做爬虫爬取网站,首选的都是m站,其次是wap站,最后考虑PC站。当然,这不是绝对的,有的时候PC站的信息最全,而你又恰好需要全部的信息,那么PC站是你的首选。一般m站都以m开头后接域名, 所以本文开搞的网址就是 m.weibo.cn。

前期准备

1.代理IP

网上有很多免费代理ip,如西刺免费代理IPhttp://www.xicidaili.com/,自己可找一个可以使用的进行测试;

2.抓包分析

通过抓包获取微博内容地址,这里不再细说,不明白的小伙伴可以自行百度查找相关资料,下面直接上完整的代码

完整代码:

# -*- coding: utf-8 -*-import urllib.requestimport json#定义要爬取的微博大V的微博IDid='1259110474'#设置代理IPproxy_addr="122.241.72.191:808"#定义页面打开函数def use_proxy(url,proxy_addr):  req=urllib.request.Request(url)  req.add_header("User-Agent","Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/49.0.2623.221 Safari/537.36 SE 2.X MetaSr 1.0")  proxy=urllib.request.ProxyHandler({'http':proxy_addr})  opener=urllib.request.build_opener(proxy,urllib.request.HTTPHandler)  urllib.request.install_opener(opener)  data=urllib.request.urlopen(req).read().decode('utf-8','ignore')  return data#获取微博主页的containerid,爬取微博内容时需要此iddef get_containerid(url):  data=use_proxy(url,proxy_addr)  content=json.loads(data).get('data')  for data in content.get('tabsInfo').get('tabs'):    if(data.get('tab_type')=='weibo'):      containerid=data.get('containerid')  return containerid#获取微博大V账号的用户基本信息,如:微博昵称、微博地址、微博头像、关注人数、粉丝数、性别、等级等def get_userInfo(id):  url='https://m.weibo.cn/api/container/getIndex?type=uid&value='+id  data=use_proxy(url,proxy_addr)  content=json.loads(data).get('data')  profile_image_url=content.get('userInfo').get('profile_image_url')  description=content.get('userInfo').get('description')  profile_url=content.get('userInfo').get('profile_url')  verified=content.get('userInfo').get('verified')  guanzhu=content.get('userInfo').get('follow_count')  name=content.get('userInfo').get('screen_name')  fensi=content.get('userInfo').get('followers_count')  gender=content.get('userInfo').get('gender')  urank=content.get('userInfo').get('urank')  print("微博昵称:"+name+"/n"+"微博主页地址:"+profile_url+"/n"+"微博头像地址:"+profile_image_url+"/n"+"是否认证:"+str(verified)+"/n"+"微博说明:"+description+"/n"+"关注人数:"+str(guanzhu)+"/n"+"粉丝数:"+str(fensi)+"/n"+"性别:"+gender+"/n"+"微博等级:"+str(urank)+"/n")#获取微博内容信息,并保存到文本中,内容包括:每条微博的内容、微博详情页面地址、点赞数、评论数、转发数等def get_weibo(id,file):  i=1  while True:    url='https://m.weibo.cn/api/container/getIndex?type=uid&value='+id    weibo_url='https://m.weibo.cn/api/container/getIndex?type=uid&value='+id+'&containerid='+get_containerid(url)+'&page='+str(i)    try:      data=use_proxy(weibo_url,proxy_addr)      content=json.loads(data).get('data')      cards=content.get('cards')      if(len(cards)>0):        for j in range(len(cards)):          print("-----正在爬取第"+str(i)+"页,第"+str(j)+"条微博------")          card_type=cards[j].get('card_type')          if(card_type==9):            mblog=cards[j].get('mblog')            attitudes_count=mblog.get('attitudes_count')            comments_count=mblog.get('comments_count')            created_at=mblog.get('created_at')            reposts_count=mblog.get('reposts_count')            scheme=cards[j].get('scheme')            text=mblog.get('text')            with open(file,'a',encoding='utf-8') as fh:              fh.write("----第"+str(i)+"页,第"+str(j)+"条微博----"+"/n")              fh.write("微博地址:"+str(scheme)+"/n"+"发布时间:"+str(created_at)+"/n"+"微博内容:"+text+"/n"+"点赞数:"+str(attitudes_count)+"/n"+"评论数:"+str(comments_count)+"/n"+"转发数:"+str(reposts_count)+"/n")        i+=1      else:        break    except Exception as e:      print(e)      passif __name__=="__main__":  file=id+".txt"  get_userInfo(id)  get_weibo(id,file)

爬取结果

Python,爬虫,新浪微博,代理IP

Python,爬虫,新浪微博,代理IP

希望本文所述对大家Python程序设计有所帮助。


注:相关教程知识阅读请移步到python教程频道。
发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表