当前位置 博文首页 > AI19970205的博客:我用Python抓取了吴某微博事件的热评,边聊技
大家好,我是辣条。
之前有写过一篇爬取微博热评的文章,奈何最近吴某的瓜实在太大了,全网都关注着这件事,直到昨天官方【公安部门】出来说明,这一事件有了小句号,今天和大家聊聊抓取微博热评,顺便了解此次事件来龙去脉。
网址:微博
?
开发环境:win10、python3.7
开发工具:pycharm、Chrome
工具包:requests、re,csv
找到需要吃瓜的文章
请求头需要带上的基本配置数据
headers = {
? ?"referer": "",
? ?"cookie":"",
? ?"user-agent": ""
}
找到文章动态提交的评论数据
通过抓包工具找到对应的评论数据信息
微博的url会有一个文章id,mid也是文章id, max_id是每个json数据里面的max_id,是没有规律的
https://m.weibo.cn/comments/hotflow?id=4661850409272066&mid=4661850409272066&max_id=5640809315785878&max_id_type=0
取出当前的max_id,就会获取到下个页面的请求接口
import csv
import re
import requests
import time
?
start_url = "https://m.weibo.cn/comments/hotflow?id=4661850409272066&mid=4661850409272066&max_id_type=0"
next_url = "https://m.weibo.cn/comments/hotflow?id=4638585665621278&mid=4661850409272066&max_id={}&max_id_type=0"
continue_url = start_url
headers = {
? ?"referer": "https://m.weibo.cn/detail/4638585665621278",
? ?"cookie": "SUB=_2A25Nq-BcDeRhGeBG7VUW-SnEyjyIHXVvV4AUrDV6PUJbkdAKLULFkW1NRhXYfC2JIAilAAFJ_-2diWZ1ZEACRZ5K; SCF=AgGUxHxg_ZjvVbYikCOVICTc-a4gDcEtR02fexDZstBq_XKr3s1Rp9CxdS4y4k4IvDQ2eIgTTyJg73pcUmvYRKc.; _T_WM=58609113785; WEIBOCN_FROM=1110006030; MLOGIN=1; M_WEIBOCN_PARAMS=oid%3D4638585665621278%26luicode%3D20000061%26lfid%3D4638585665621278%26uicode%3D20000061%26fid%3D4638585665621278; XSRF-TOKEN=06ed3f",
? ?"user-agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36"
}
count = 0
?
def csv_data(fileheader):
? ?with open("wb1234.csv", "a", newline="")as f:
? ? ? ?write = csv.writer(f)
? ? ? ?write.writerow(fileheader)
?
?
def get_data(start_url):
? ?print(start_url)
? ?try:
? ? ? ?response = requests.get(start_url, headers=headers).json()
? ? ? ?max_id = response['data']['max_id']
? ?except Exception as e:
? ? ? ?get_data(start_url.split("type")[0] + "type=1")
?
? ?else:
? ? ? ?# max_id = response['data']['max_id']
? ? ? ?content_list = response.get("data").get('data')
? ? ? ?for item in content_list:
? ? ? ? ? ?global count
? ? ? ? ? ?count += 1
? ? ? ? ? ?create_time = item['created_at']
? ? ? ? ? ?text = "".join(re.findall('[\u4e00-\u9fa5]', item["text"]))
? ? ? ? ? ?user_id = item.get("user")["id"]
? ? ? ? ? ?user_name = item.get("user")["screen_name"]
? ? ? ? ? ?# print([count, create_time, user_id, user_name, text])
? ? ? ? ? ?csv_data([count, create_time, user_id, user_name, text])
?
? ? ? ?global next_url
? ? ? ?continue_url = next_url.format(max_id)
? ? ? ?time.sleep(2)
? ? ? ?get_data(continue_url)
?
?
if __name__ == "__main__":
? ?fileheader = ["id", "评论时间", "用户id", "user_name", "评论内容"]
? ?csv_data(fileheader)
? ?get_data(start_url)
往期推送:
我用Python修改了班花的开机密码,重新登录后竟然发现了她的秘密!
我用Python采集了班花的空间数据集,除了美照竟然再一次发现了她另外的秘密!
室友单恋班花失败,我爬了一个网站发给他瞬间治愈,男人的快乐就这么简单【每天一遍,忘记初恋】
cs