Python網(wǎng)絡(luò)爬蟲之爬取微博熱搜

更新時間：2019年04月18日 10:46:41 作者：Huan_Yang

這篇文章主要介紹了Python網(wǎng)絡(luò)爬蟲之爬取微博熱搜的相關(guān)知識，非常不錯，具有一定的參考借鑒價值,需要的朋友可以參考下

微博熱搜的爬取較為簡單，我只是用了lxml和requests兩個庫

url= https://s.weibo.com/top/summary?Refer=top_hot&topnav=1&wvr=6

1.分析網(wǎng)頁的源代碼：右鍵--查看網(wǎng)頁源代碼.

從網(wǎng)頁代碼中可以獲取到信息

(1)熱搜的名字都在<td class="td-02">的子節(jié)點<a>里

(2)熱搜的排名都在<td class=td-01 ranktop>的里(注意置頂微博是沒有排名的！)

(3)熱搜的訪問量都在<td class="td-02">的子節(jié)點<span>里

2.requests獲取網(wǎng)頁

(1)先設(shè)置url地址，然后模擬瀏覽器(這一步可以不用)防止被認出是爬蟲程序。

###網(wǎng)址
url="https://s.weibo.com/top/summary?Refer=top_hot&topnav=1&wvr=6"
###模擬瀏覽器，這個請求頭windows下都能用
header={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36'}

(2)利用req uests庫的get()和lxml的etr ee()來獲取網(wǎng)頁代碼

###獲取html頁面
  html=etree.HTML(requests.get(url,headers=header).text)

3.構(gòu)造xpath路徑

上面第一步中三個xath路徑分別是：

affair=html.xpath('//td[@class="td-02"]/a/text()')
rank=html.xpath('//td[@class="td-01 ranktop"]/text()')
view=html.xpath('//td[@class="td-02"]/span/text()')

　　xpath的返回結(jié)果是列表，所以affair、rank、view都是字符串列表

　 4.格式化輸出

　　需要注意的是affair中多了一個置頂熱搜，我們先將他分離出來。

top=affair[0]
affair=affair[1:]

這里利用了python的切片。

 print('{0:<10}\t{1:<40}'.format("top",top))
  for i in range(0, len(affair)):
    print("{0:<10}\t{1:{3}<30}\t{2:{3}>20}".format(rank[i],affair[i],view[i],chr(12288)))

這里還是沒能做到完全對齊。。。

　5.全部代碼

###導(dǎo)入模塊
import requests
from lxml import etree
###網(wǎng)址
url="https://s.weibo.com/top/summary?Refer=top_hot&topnav=1&wvr=6"
###模擬瀏覽器
header={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36'}
###主函數(shù)
def main():
  ###獲取html頁面
  html=etree.HTML(requests.get(url,headers=header).text)
  rank=html.xpath('//td[@class="td-01 ranktop"]/text()')
  affair=html.xpath('//td[@class="td-02"]/a/text()')
  view = html.xpath('//td[@class="td-02"]/span/text()')
  top=affair[0]
  affair=affair[1:]
  print('{0:<10}\t{1:<40}'.format("top",top))
  for i in range(0, len(affair)):
    print("{0:<10}\t{1:{3}<30}\t{2:{3}>20}".format(rank[i],affair[i],view[i],chr(12288)))
main()

結(jié)果展示: