一、分析頁(yè)面
我們此次選擇的是從移動(dòng)端來(lái)對(duì)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(guò)后我們就可以獲取到自己的cookie了，然后我們來(lái)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(lái)進(jìn)行搜索微博。
我通過(guò)在開發(fā)者模式下對(duì)這個(gè)頁(yè)面觀察發(fā)現(xiàn)，它每次對(duì)關(guān)鍵字發(fā)起請(qǐng)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(yè)面了，那就可以進(jìn)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(chǔ)的真實(shí)網(wǎng)頁(yè)，現(xiàn)在我們只需對(duì)該網(wǎng)頁(yè)發(fā)起請(qǐng)求，然后提取數(shù)據(jù)即可。
1、發(fā)起請(qǐng)求
通過(guò)對(duì)請(qǐng)求頭進(jìn)行觀察，我們不難構(gòu)造出請(qǐng)求代碼。
代碼如下：
key = input("請(qǐng)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)
2、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(lái)進(jìn)行爬取，但是經(jīng)過(guò)我實(shí)際測(cè)試發(fā)現(xiàn)，用正則來(lái)提取是最為簡(jiǎn)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(lái)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(wèn)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(méi)有成功，最后小明哥一個(gè)簡(jiǎn)單的函數(shù)就給解決了，實(shí)在是佩服！
解決方案：用eval()來(lái)輸出標(biāo)題，就可以將Unicode轉(zhuǎn)換成漢字了。
三、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！
到此這篇關(guān)于用Python爬取指定關(guān)鍵詞的微博的文章就介紹到這了,更多相關(guān)Python爬取指定關(guān)鍵詞的微博內(nèi)容請(qǐng)搜索服務(wù)器之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持服務(wù)器之家！
