用Python爬取指定關鍵詞的微博
前幾天學校一個老師在做微博的輿情分析找我?guī)退阋粋€用關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。
一、分析頁面
我們此次選擇的是從移動端來對微博進行爬取。移動端的反爬就是信息校驗反爬蟲的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，然后我們來觀察用戶是如何搜索微博內(nèi)容的。
平時我們都是在這個地方輸入關鍵字，來進行搜索微博。
我通過在開發(fā)者模式下對這個頁面觀察發(fā)現(xiàn)，它每次對關鍵字發(fā)起請求后，就會返回一個XHR響應。
我們現(xiàn)在已經(jīng)找到數(shù)據(jù)真實存在的頁面了，那就可以進行爬蟲的常規(guī)操作了。
二、數(shù)據(jù)采集
在上面我們已經(jīng)找到了數(shù)據(jù)存儲的真實網(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。
1、發(fā)起請求
通過對請求頭進行觀察，我們不難構造出請求代碼。
代碼如下：
key = input("請輸入爬取關鍵字:")
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)
2、提取數(shù)據(jù)
從上面我們觀察發(fā)現(xiàn)這個數(shù)據(jù)可以轉(zhuǎn)化成字典來進行爬取，但是經(jīng)過我實際測試發(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])
在這里有一個小問題要注意，微博的標題是用Unicode編碼的，如果直接爬取存儲，將存儲的是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，最后小明哥一個簡單的函數(shù)就給解決了，實在是佩服！
解決方案：用eval()來輸出標題，就可以將Unicode轉(zhuǎn)換成漢字了。
三、小結
1. 本文詳細介紹了如何用Python指定關鍵字爬取微博，有興趣的讀者可以嘗試自己動手練習一下。
2. 本文僅供讀者學習使用，不做其他用途！
到此這篇關于用Python爬取指定關鍵詞的微博的文章就介紹到這了,更多相關Python爬取指定關鍵詞的微博內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
這篇文章主要介紹了Django admin美化插件suit使用示例，簡單介紹了suit的使用界面示例，官方文檔，安裝語句等相關內(nèi)容，具有一定借鑒價值，需要的朋友可以參考下。2017-12-12
這篇文章主要介紹了在Django中使用ElasticSearch，Elasticsearch是基于Lucene庫的搜索引擎。它提供了具有HTTP?Web界面和無模式JSON文檔的分布式，多租戶功能的全文本搜索引擎，下面詳細內(nèi)容,需要的朋友可以參考一下2022-01-01
時間戳是一個表示日期和時間的數(shù)值,通常以秒為單位,在Python中,獲取時間戳是常見的任務,用于記錄事件、計時操作、以及在各種應用中跟蹤時間,本文將介紹多種獲取時間戳的方法,包括標準庫和第三方庫的方式,并提供示例代碼以幫助你更好地理解2023-11-11
這篇文章主要介紹了python程序超時處理方式,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2023-08-08
這篇文章主要為大家介紹了人工智能學習pyTorch的ResNet殘差模塊示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步2021-11-11
Tensorflow訓練MNIST手寫數(shù)字識別模型
這篇文章主要為大家詳細介紹了Tensorflow訓練MNIST手寫數(shù)字識別模型，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2020-02-02
布隆過濾器是一種概率空間高效的數(shù)據(jù)結構。它與hashmap非常相似，用于檢索一個元素是否在一個集合中。這篇文章主要介紹了布隆過濾器的概述及Python實現(xiàn),需要的朋友可以參考下2019-12-12
這篇文章主要介紹了Python基于yaml文件配置logging日志過程解析,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-06-06
這篇文章主要介紹了一文秒懂Python中的字符串,本文給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下2021-03-03
Python是著名的“龜叔”Guido van Rossum在1989年圣誕節(jié)期間，為了打發(fā)無聊的圣誕節(jié)而編寫的一個編程語言。這篇文章主要介紹了Python3的介紹、安裝和命令行的認識,需要的朋友可以參考下2018-10-10