【Part1——理论篇】

试想一个问题，如果我们要去抓取某个微博大V微博的评论数据，应该怎样去实现呢?最简单的做法就是找到微博评论数据接口，然后通过改变参数来获取最新数据并保存。首先寻找从微博抓取评论的接口，如下图所示。

但是很不幸，该接口频率受限，抓不了多少次就会被禁，刚准备好飞，就凉凉了。

接下来小编又开始选择移动端的微博网站，先登录，然后找到我们想去抓取评论的微博，打开浏览器自带流量分析工具，一直把评论往下拉，找到评论数据接口，如下图所示。

之后看到“参数”选项卡进行点击，可以看到有参数如下图所示的内容：

可以看到一共有4个参数，其中第1、2个参数为该条微博的id，就像每个人的身份证号一样，这个就相当于该条微博的“身份证号”，max_id是变换页码的参数，每次都会发生变化，下次的max_id参数值在本次请求的返回数据中。

【Part2——实战篇】

有了上文的基础之后，下面我们开始撸代码，通过Python来实现。

1、首先区分url，第一次不需要max_id,第二次需要用第一次返回的max_id。

2、请求的时候需要带上cookie数据，微博cookie的有效期比较长，足够去抓一条微博的评论数据了，浏览器分析工具中可以找到cookie数据。

3、然后将返回的数据转换成json格式，取出评论内容、评论者昵称和评论时间等数据，输出结果如下图所示。

4、为了保存评论内容，我们需要把评论中的表情去掉，利用正则表达式进行处理，如下图所示。

5、然后接下来把内容保存到txt文件中，使用简单的open函数进行实现，如下图所示。

6、重点来了，通过这个接口最多只能返回16页的数据(每页20条)，网上也有说能返回50页的，但是不同的接口、返回的数据条数也不同，所以我加了个for循环，一步到位，遍历还是很给力的，如下图所示。

7、这里把函数命名为job。为了一直能够取出最新的数据，我们可以用schedule来给程序加个一个定时功能，每隔10分钟或者半个小时抓取1次，如下图所示。

8、对获取到的数据，做去重处理，如下图所示。如果评论已经在里面了的话，就直接pass掉，如果没有的话，继续追加就可以了。

这项工作到这里就基本上完成了。