python爬虫爬取微博评论--完整版(超详细)




import requests
from lxml import etree
import time
 
class WeiboCommentCrawler:
    def __init__(self, url):
        self.url = url
        self.headers = {
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'}
 
    def get_page(self, url):
        """
        获取页面内容
        :param url: 
        :return: 
        """
        try:
            response = requests.get(url, headers=self.headers)
            if response.status_code == 200:
                return response.text
            return None
        except requests.RequestException:
            return None
 
    def parse_page(self, html):
        """
        解析页面,提取评论内容
        :param html: 
        :return: 
        """
        html = etree.HTML(html)
        comments = html.xpath('//div[@class="cmt-item"]')
        for comment in comments:
            item = {}
            item['comment'] = ''.join(comment.xpath('.//text()')).strip()
            item['time'] = comment.xpath('.//span[@class="cmt-time"]/text()')[0].strip()
            item['like_count'] = comment.xpath('.//span[@class="ccmt-like-count"]/text()')[0].strip()
            item['user_id'] = comment.xpath('.//a[@class="ccmt-nickname"]/@usercard')[0].split(':')[1]
            item['user_name'] = comment.xpath('.//a[@class="ccmt-nickname"]/text()')[0].strip()
            yield item
 
    def save_data(self, data):
        """
        保存数据
        :param data: 
        :return: 
        """
        print(data)
 
    def run(self):
        """
        运行爬虫
        :return: 
        """
        html = self.get_page(self.url)
        if html:
            for item in self.parse_page(html):
                self.save_data(item)
                time.sleep(2)  # 间隔2秒,避免请求频繁
 
if __name__ == '__main__':
    url = 'https://weibo.com/p/1003061931392551/comments?rl=0&page=1'
    crawler = WeiboCommentCrawler(url)
    crawler.run()

这个代码实例修复了原代码中的一些问题,并添加了注释以便理解。这个版本的爬虫可以运行并获取微博评论,然后将其保存到控制台。在实际应用中,你需要根据自己的需求修改save_data方法,以便将数据保存到文件或数据库中。

最后修改于:2024年08月07日 10:48

评论已关闭

推荐阅读

DDPG 模型解析,附Pytorch完整代码
2024年11月24日
DQN 模型解析,附Pytorch完整代码
2024年11月24日
AIGC实战——Transformer模型
2024年12月01日
Socket TCP 和 UDP 编程基础(Python)
2024年11月30日
python , tcp , udp
如何使用 ChatGPT 进行学术润色?你需要这些指令
2024年12月01日
AI
最新 Python 调用 OpenAi 详细教程实现问答、图像合成、图像理解、语音合成、语音识别(详细教程)
2024年11月24日
ChatGPT 和 DALL·E 2 配合生成故事绘本
2024年12月01日
omegaconf,一个超强的 Python 库!
2024年11月24日
【视觉AIGC识别】误差特征、人脸伪造检测、其他类型假图检测
2024年12月01日
[超级详细]如何在深度学习训练模型过程中使用 GPU 加速
2024年11月29日
Python 物理引擎pymunk最完整教程
2024年11月27日
MediaPipe 人体姿态与手指关键点检测教程
2024年11月27日
深入了解 Taipy:Python 打造 Web 应用的全面教程
2024年11月26日
基于Transformer的时间序列预测模型
2024年11月25日
Python在金融大数据分析中的AI应用(股价分析、量化交易)实战
2024年11月25日
AIGC Gradio系列学习教程之Components
2024年12月01日
Python3 `asyncio` — 异步 I/O,事件循环和并发工具
2024年11月30日
llama-factory SFT系列教程:大模型在自定义数据集 LoRA 训练与部署
2024年12月01日
Python 多线程和多进程用法
2024年11月24日
Python socket详解,全网最全教程
2024年11月27日