爬蟲實戰 | 用Python爬取指定關鍵詞的微博~
本文轉載自微信公眾號「志斌的python筆記」，作者 志斌。轉載本文請聯系志斌的python筆記公眾號。
大家好，我是志斌~
前幾天學校一個老師在做微博的輿情分析找我幫她搞一個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。
01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，有不懂的小伙伴可以看這篇文章學會Cookie，解決登錄爬取的困擾!。然后我們來觀察用戶是如何搜索微博內容的。
平時我們都是在這個地方輸入關鍵字，來進行搜索微博。
我通過在開發者模式下對這個頁面觀察發現，它每次對關鍵字發起請求后，就會返回一個XHR響應。
我們現在已經找到數據真實存在的頁面了，那就可以進行爬蟲的常規操作了。
02數據采集
在上面我們已經找到了數據存儲的真實網頁，現在我們只需對該網頁發起請求，然后提取數據即可。
01發起請求
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)
02提取數據
從上面我們觀察發現這個數據可以轉化成字典來進行爬取，但是經過我實際測試發現，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據。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轉換成漢字了。
03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!
3. 點擊下方[在看]，即可找志斌領取本文全部代碼。
