python爬取新浪微博內容

用Python編寫爬蟲，爬取微博大V的微博內容，本文以女神的微博為例（爬新浪m站：https://m.weibo.cn/u/1259110474）

一般做爬蟲爬取網站，首選的都是m站，其次是wap站，最後考慮PC站。當然，這不是絕對的，有的時候PC站的資訊最全，而你又恰好需要全部的資訊，那麼PC站是你的首選。一般m站都以m開頭後接網域名稱， 所以本文開搞的網址就是 m.weibo.cn。

前期準備
1.代理IP
網上有很多免費代理ip，如西刺免費代理IPhttp://www.xicidaili.com/，自己可找一個可以使用的進行測試；
2.抓包分析
通過抓包擷取微博內容地址，這裡不再細說，不明白的小夥伴可以自行百度尋找相關資料，下面直接上完整的代碼

完整代碼：

# -*- coding: utf-8 -*-import urllib.requestimport json#定義要爬取的微博大V的微博IDid='1259110474'#設定代理IPproxy_addr="122.241.72.191:808"#定義頁面開啟函數def use_proxy(url,proxy_addr):    req=urllib.request.Request(url)    req.add_header("User-Agent","Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/49.0.2623.221 Safari/537.36 SE 2.X MetaSr 1.0")    proxy=urllib.request.ProxyHandler({'http':proxy_addr})    opener=urllib.request.build_opener(proxy,urllib.request.HTTPHandler)    urllib.request.install_opener(opener)    data=urllib.request.urlopen(req).read().decode('utf-8','ignore')    return data#擷取微博首頁的containerid，爬取微博內容時需要此iddef get_containerid(url):    data=use_proxy(url,proxy_addr)    content=json.loads(data).get('data')    for data in content.get('tabsInfo').get('tabs'):        if(data.get('tab_type')=='weibo'):            containerid=data.get('containerid')    return containerid#擷取微博大V帳號的使用者基本資料，如：微博暱稱、微博地址、微博頭像、關注人數、粉絲數、性別、等級等def get_userInfo(id):    url='https://m.weibo.cn/api/container/getIndex?type=uid&value='+id    data=use_proxy(url,proxy_addr)    content=json.loads(data).get('data')    profile_image_url=content.get('userInfo').get('profile_image_url')    description=content.get('userInfo').get('description')    profile_url=content.get('userInfo').get('profile_url')    verified=content.get('userInfo').get('verified')    guanzhu=content.get('userInfo').get('follow_count')    name=content.get('userInfo').get('screen_name')    fensi=content.get('userInfo').get('followers_count')    gender=content.get('userInfo').get('gender')    urank=content.get('userInfo').get('urank')    print("微博暱稱："+name+"\n"+"微博首頁地址："+profile_url+"\n"+"微博頭像地址："+profile_image_url+"\n"+"是否認證："+str(verified)+"\n"+"微博說明："+description+"\n"+"關注人數："+str(guanzhu)+"\n"+"粉絲數："+str(fensi)+"\n"+"性別："+gender+"\n"+"微博等級："+str(urank)+"\n")#擷取微博內容資訊,並儲存到文本中，內容包括：每條微博的內容、微博詳情頁面地址、點贊數、評論數、轉寄數等def get_weibo(id,file):    i=1    while True:        url='https://m.weibo.cn/api/container/getIndex?type=uid&value='+id        weibo_url='https://m.weibo.cn/api/container/getIndex?type=uid&value='+id+'&containerid='+get_containerid(url)+'&page='+str(i)        try:            data=use_proxy(weibo_url,proxy_addr)            content=json.loads(data).get('data')            cards=content.get('cards')            if(len(cards)>0):                for j in range(len(cards)):                    print("-----正在爬取第"+str(i)+"頁，第"+str(j)+"條微博------")                    card_type=cards[j].get('card_type')                    if(card_type==9):                        mblog=cards[j].get('mblog')                        attitudes_count=mblog.get('attitudes_count')                        comments_count=mblog.get('comments_count')                        created_at=mblog.get('created_at')                        reposts_count=mblog.get('reposts_count')                        scheme=cards[j].get('scheme')                        text=mblog.get('text')                        with open(file,'a',encoding='utf-8') as fh:                            fh.write("----第"+str(i)+"頁，第"+str(j)+"條微博----"+"\n")                            fh.write("微博地址："+str(scheme)+"\n"+"發布時間："+str(created_at)+"\n"+"微博內容："+text+"\n"+"點贊數："+str(attitudes_count)+"\n"+"評論數："+str(comments_count)+"\n"+"轉寄數："+str(reposts_count)+"\n")                i+=1            else:                break        except Exception as e:            print(e)            passif __name__=="__main__":    file=id+".txt"    get_userInfo(id)    get_weibo(id,file)

爬取結果