进阶网络爬虫实践内容---微博网页内容爬取




import requests
from bs4 import BeautifulSoup
import re
import pandas as pd
 
# 设置请求头,模拟浏览器访问
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'}
 
# 获取微博用户主页的网页内容
def get_page_content(url):
    try:
        response = requests.get(url, headers=headers)
        if response.status_code == 200:
            return response.text
        return None
    except requests.RequestException:
        return None
 
# 解析微博数据,提取微博正文
def parse_weibo_data(html):
    soup = BeautifulSoup(html, 'lxml')
    weibo_data = []
    for container in soup.find_all('div', class_='c'):
        weibo = {}
        # 提取微博正文
        text = container.find('span', class_='ctt')
        if text:
            weibo['text'] = text.text.strip()
        else:
            continue
        # 提取转发数和评论数
        for info in container.find_all('span', class_='cc'):
            if '转发' in info.text:
                weibo['retweet_count'] = re.search('\d+', info.text).group(0)
            elif '评论' in info.text:
                weibo['comment_count'] = re.search('\d+', info.text).group(0)
        weibo_data.append(weibo)
    return weibo_data
 
# 保存微博数据到CSV文件
def save_weibo_data_to_csv(weibo_data, file_name):
    df = pd.DataFrame(weibo_data)
    df.to_csv(file_name + '.csv', index=False, encoding='utf-8-sig')
 
# 主函数
def main(user_id, since_date, count):
    url = f'https://weibo.com/p/100505{user_id}/home?is_search=0&visible=0&is_all=1&since_id=0&sort=time&page={count}'
    html = get_page_content(url)
    if html:
        weibo_data = parse_weibo_data(html)
        save_weibo_data_to_csv(weibo_data, f'weibo_data_{user_id}_{since_date}_{count}')
        print(f'微博数据已保存到 weibo_data_{user_id}_{since_date}_{count}.csv')
    else:
        print('网页内容获取失败')
 
# 示例用户ID为1234567890,起始日期为2023-01-01,爬取第1页的数据
main(1234567890, '2023-01-01', 1)

在这个代码示例中,我们定义了一个main函数,它接受用户ID、起始日期和页数作为参数,并将微博数据保存到CSV文件中。这个示例展示了如何使用Python进行网络爬取,提取特定的数据,并将其保存到文件中。需要注意

none
最后修改于:2024年08月16日 10:34

评论已关闭

推荐阅读

Vue中使用mind-map实现在线思维导图
2024年08月04日
VUE
Web前端最全Vue实现免密登录跳转的方式_vue怎么样不登录返回首页,最强技术实现
2024年08月04日
VUE
vue3 项目搭建教程(基于create-vue,vite,Vite + Vue)
2024年08月04日
VUE
Vue-颜色选择器实现方案——>Vue-Color( 实战*1+ Demo*7)
2024年08月04日
VUE
Vue项目卡顿慢加载?这些优化技巧告诉你!_vue数据多渲染卡顿
2024年08月04日
VUE
vue中的keep-alive详解与应用场景
2024年08月04日
VUE
Vue、React实现excel导出功能(三种实现方式保姆级讲解)
2024年08月04日
vue-office/docx插件实现docx文件预览
2024年08月04日
VUE
java调用js文件的两种方法(支持V8引擎)
2024年08月04日
JavaScript:解决计算精度问题/mathjs/bignumber.js/big.js/decimal.js
2024年08月04日
两周从爬虫小白变大神 _yjs_js_security_passport
2024年08月04日
JS笔记(对象、函数、数组)
2024年08月04日
Markdown.js:强大的纯JavaScript Markdown解析器
2024年08月04日
Vue项目:js模拟点击a标签下载文件并重命名,URL文件地址下载方法、请求接口下载文件方法总结。
2024年08月04日
vue 父组件怎么获取子组件里面的data数据
2024年08月04日
VUE
个人开发实现AI套壳网站快速搭建(Vue+elementUI+SpringBoot)
2024年08月04日
el-table 表格封装并改造实现单元格可编辑
2024年08月04日
none
nodejs环境下创建vue项目、SSH密钥登陆!!!
2024年08月04日
vue+quill+element-ui实现视频、图片上传及缩放保姆级教程,轻松使用富文本
2024年08月04日
【three.js】22. Imported Models导入模型
2024年08月04日