获取数据——爬取某微博评论

标签：value   exe   nlp   comm   headers   ted   nic   标签页   定义   

微博评论API

• 想要爬取某一条微博的评论，首先会想到微博官方提供的API，但是不巧的是，官方提供的api能够获取的评论数量有限，不足以分析，那怎么办呢？
• 我们想到了网页端，手机端的微博，希望直接爬取上面的数据。试了下网页端，可能网页做得很完善了吧，网页端找不到突破口，于是想到手机端碰碰运气。通过使用chrome的工具，发现：爬取最新评论的URL如下：url=‘https://m.weibo.cn/api/comments/show?id=‘+weibo_id+‘&page={}‘,如果希望爬取某条微博下的评论，将weibo_id替换为该微博id即可。

爬取数据

• 如今找到了微博评论的API，后面的事情就轻车熟路了。上requests，发get请求，传入带有cookies的header即可。cookies就是自己微博登陆的cookies，可以使用chrome开发者工具获得。如百度的cookies可以通过network标签页下，选择某一文档获得。
  
  直接上代码比较直观:

    i=0 # 评论的页数
    comment_num=1 # 爬取的评论总数量
    while True:
        try:
            req=requests.get(url=url.format(i),headers=headers)
            comment_page=req.json()[‘data‘]
            if req.status_code==200:

                print(‘读取%s页的评论：‘%i)
                for j in range(0,len(comment_page)):
                    print(‘第%s条评论‘%comment_num)
                    user=comment_page[j]
                    comment_id=user[‘user‘][‘id‘]#评论id
                    print(comment_id)
                    user_name=user[‘user‘][‘screen_name‘]#发表评论的用户名
                    print(user_name)
                    create_at=user[‘created_at‘]#发表时间
                    print(create_at)
                    # 去除评论中表情等的特殊字符
                    text=re.sub(‘<.*?>|回复<.*?>:|[\U00010000-\U0010ffff]|[\uD800-\uDBFF][\uDC00-\uDFFF]‘,‘‘,user[‘text‘])
                    print(text)
                    likenum=user[‘like_counts‘]#点赞数
                    print(likenum)
                    source=re.sub(‘[\U00010000-\U0010ffff]|[\uD800-\uDBFF][\uDC00-\uDFFF]‘,‘‘,user[‘source‘])#去除评论中表情等的特殊字符
                    print(source+‘\r\n‘)

                    comment_num+=1
                i+=1
                time.sleep(3)#防止反爬虫机制，停止一会~~~~
            else:
                break
        except:
            i+=1
            pass

现在我们已经获取到了微博的评论，我们就把他们用Mysql存储起来，以待后面的使用。我们使用pymysql这个包来操作Mysql,一个简单的操作代码如下：

class Sql(object):
        def __init__(self):
            pass

        def connect_sql(self):
    self.conn=pymysql.connect(host=‘127.0.0.1‘,user=‘root‘,password=‘1111‘,charset=‘utf8‘,use_unicode=False)
            self.cur=self.conn.cursor()

        def insert_data(self,comment_id,user_name,create_at,text,likenum,source):
            #数据库名为nlp,表名为luhan
            sql=‘insert into nlp.luhan(comment_id,user_name,created_at,text,likenum,source) values(%s,%s,%s,%s,%s,%s)‘
            param=(comment_id,user_name,create_at,text,likenum,source)
            try:
                self.cur.execute(sql,param)
                self.conn.commit()
            except Exception as e:
                print(e)
                self.conn.rollback()

这个类定义了一个insert_data函数，连接Mysql后，将上面的comment_id,user_name,create_at,text,likenum,source传入函数即可存入Mysql。

至此，就可以把某条微博的评论获取到本地了。

获取数据——爬取某微博评论

标签：value   exe   nlp   comm   headers   ted   nic   标签页   定义   

原文地址：https://www.cnblogs.com/mengnan/p/9307655.html