详解用python写网络爬虫-爬取新浪微博评论

Python  /  管理员 发布于 7年前   246

新浪微博需要登录才能爬取，这里使用m.weibo.cn这个移动端网站即可实现简化操作，用这个访问可以直接得到的微博id。

分析新浪微博的评论获取方式得知，其采用动态加载。所以使用json模块解析json代码

单独编写了字符优化函数，解决微博评论中的嘈杂干扰字符

本函数是用python写网络爬虫的终极目的，所以采用函数化方式编写，方便后期优化和添加各种功能

# -*- coding:gbk -*-import reimport requestsimport jsonfrom lxml import html#测试微博4054483400791767comments=[]def get_page(weibo_id):  url='https://m.weibo.cn/status/{}'.format(weibo_id)  html=requests.get(url).text  regcount=r'"comments_count": (.*?),'  comments_count=re.findall(regcount,html)[-1]  comments_count_number=int(comments_count)  page=int(comments_count_number/10)  return page-1def opt_comment(comment):  tree=html.fromstring(comment)  strcom=tree.xpath('string(.)')  reg1=r'回复@.*?:'  reg2=r'回覆@.*?:'  reg3=r'//@.*'  newstr=''  comment1=re.subn(reg1,newstr,strcom)[0]  comment2=re.subn(reg2,newstr,comment1)[0]  comment3=re.subn(reg3,newstr,comment2)[0]  return comment3def get_responses(id,page):  url="https://m.weibo.cn/api/comments/show?id={}&page={}".format(id,page)  response=requests.get(url)  return responsedef get_weibo_comments(response):  json_response=json.loads(response.text)  for i in range(0,len(json_response['data'])):    comment=opt_comment(json_response['data'][i]['text'])    comments.append(comment)weibo_id=input("输入微博id，自动返回前5页评论：")weibo_id=int(weibo_id)print('\n')page=get_page(weibo_id)for page in range(1,page+1):  response=get_responses(weibo_id,page)  get_weibo_comments(response)for com in comments:  print(com)print(len(comments))

以上所述是小编给大家介绍的python爬取新浪微博评论详解整合，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对站的支持！