本文已参与「新人创作礼」活动，一起开启掘金创作之路

追风赶月莫停留，平芜尽处是春山。

不知你们发现了没有，微博偷偷推出了一个新版本的网页版在这里插入图片描述界面相对原版微博来说简直是舒服了不知多少倍，全新炫目的微博界面、清晰有条理的分组阅读、个性化的应用管理……（微博打钱！）那咱们今天就用这个来爬一爬你女神历史博文数据吧！

一、网页分析

今天我选择的女神是迪丽热巴！阿巴阿巴找到热巴的主页，依旧先打开开发者模式，然后刷新网页。在这里插入图片描述

我们很容易的就能找到这个请求，我们可以看到，里面包含博文内容信息、点赞数、转发数、评论数、发文时间等等一些信息。在这里插入图片描述还能获得热巴的照片哦，这里就不再教你们了^_^。

二、接口分析

url分析

第一页：

weibo.com/ajax/status…

继续往下翻：第二页：

weibo.com/ajax/status…

可以发现改变的只有page这个参数，代表的是第几页在这里插入图片描述其中的uid就是热巴微博用户id了，如果把这个uid换成你女神的uid那么爬取的就是你女神的博文信息了，懂？？？ OK，万事大吉

返回数据分析

在这里插入图片描述用的是GET请求，返回的数据类型是json格式的，编码为utf-8。直接把得到的数据按照json数据格式化就行了。

三、编写代码

知道了url规则，以及返回数据的格式，那现在咱们的任务就是构造url然后请求数据现在来构造url：写道这不知道你们意识到了没，怎么知道他有多少页的博文呢? 那咱们就用while循环来解决，一旦请求不到博文了咱们就可退出循环了。

uid = 1669879400
url = 'https://weibo.com/ajax/statuses/mymblog?uid={}&page={}&feature=0'
page = 1
while 1:
    url = url.format(uid, page)
    page += 1

对于每个url我们都要去用requests库中的get方法去请求数据：所以我们为了方便就把请求网页的代码写成了函数get_html(url)，传入的参数是url返回的是请求到的内容。

def get_html(url):
    headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.82 Safari/537.36",
        "Referer": "https://weibo.com"
    }
    cookies = {
    	"cookie": "你的cookie"
    }
    response = requests.get(url, headers=headers, cookies)
    time.sleep(3)	# 加上3s 的延时防止被反爬
    return response.text

把自己的cookie里面的信息替换掉代码里的就好了。 cookies获取方式

获取数据

html = get_html(url)
responses = json.loads(html)
blogs = responses['data']['list']
data = {}   # 新建个字典用来存数据
for blog in blogs:
    data['attitudes_count'] = blog['attitudes_count']   # 点赞数量
    data['comments_count'] = blog['comments_count']     # 评论数量(超过100万的只会显示100万)
    data['created_at'] = blog['created_at']     # 发布时间
    data['reposts_count'] = blog['reposts_count']     # 转发数量(超过100万的只会显示100万)
    data['text_raw'] = blog['text_raw']     # 博文正文文字数据

保存数据

定义一个函数

def save_data(data):
    title = ['text_raw', 'created_at', 'attitudes_count', 'comments_count', 'reposts_count']
    with open("data.csv", "a", encoding="utf-8", newline="")as fi:
        fi = csv.writer(fi)
        fi.writerow([data[i] for i in title])

完整代码

# -*- coding:utf-8 -*-
# @time: 2021/5/20 5:20
# @Author: 韩国麦当劳
# @Environment: Python 3.7
# @file: 有情人终成眷属.py
import requests
import csv
import time
import json


def get_html(url):
    headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.82 Safari/537.36",
        "Referer": "https://weibo.com"
    }
    cookies = {
        "cookie": "你的cookie"
    }
    response = requests.get(url, headers=headers, cookies=cookies)
    time.sleep(3)   # 加上3s 的延时防止被反爬
    return response.text


def save_data(data):
    title = ['text_raw', 'created_at', 'attitudes_count', 'comments_count', 'reposts_count']
    with open("data.csv", "a", encoding="utf-8", newline="")as fi:
        fi = csv.writer(fi)
        fi.writerow([data[i] for i in title])


if __name__ == '__main__':

    uid = 1669879400
    url = 'https://weibo.com/ajax/statuses/mymblog?uid={}&page={}&feature=0'
    page = 1
    while 1:
        print(page)
        url = url.format(uid, page)
        html = get_html(url)
        responses = json.loads(html)
        blogs = responses['data']['list']
        if len(blogs) == 0:
            break
        data = {}   # 新建个字典用来存数据
        for blog in blogs:
            data['attitudes_count'] = blog['attitudes_count']   # 点赞数量
            data['comments_count'] = blog['comments_count']     # 评论数量(超过100万的只会显示100万)
            data['created_at'] = blog['created_at']     # 发布时间
            data['reposts_count'] = blog['reposts_count']     # 转发数量(超过100万的只会显示100万)
            data['text_raw'] = blog['text_raw']     # 博文正文文字数据
            save_data(data)
        page += 1

获得的部分数据截图在这里插入图片描述欢迎一键三连哦！还想看哪个网站的爬虫？欢迎留言，说不定下次要分析的就是你想要看的！

Python爬虫实战(三)：微博博文内容爬取