脚本宝典收集整理的这篇文章主要介绍了抓取微博信息-Python程序-效果演示，脚本宝典觉得挺不错的，现在分享给大家，也给大家做个参考。

代码效果演示 GITee源码

# -*- coding: utf-8 -*-
# Version: Python 3.9.7
# Author: TRIX
# Date: 2021-10-04 17:36:05
# Use:抓取今日头条微博相关部分信息 并将信息储存到txt headers储存到json
From urllib.parse import urlencode
import requests
import pyPErclip,json
from dateutil.parser import parse#处理时间


def getHeaders(noKeys=None,extraStripChars=[':'],doPRint=False,):
	'''noKeys 根据键名去除键值对 键名与键名间以一个space分割 忽略大小写 忽略是否strip

	extraStripChars 额外strip键名的无关字符 字符与字符间以一个space分割

	doPrint 是否打印headers和去除的键值对 只有在初次创建headers.json有用'''
	strs=pyperclip.paste()#读取剪贴字符串
	headers={}

	if 'Mozilla' not in strs:#如果复制字符串不是请求标头
		try:
			with open('headers.json','r',encoding='utf-8') as f:#读取储存的headers
				headers=json.loads(f.read())#json文本转dict对象
		except FileNotFoundError:
			return print('请至少完整复制一次请求标头信息n复制方法：F12-网络-f5-名称-任意一个条目-标头-请求标头-复制所有')

	if not headers:
		def stripChars(word):#strip键名的无关字符
			word=word.strip()
			for char in extraStripChars:
				word=word.strip(char)
			return word

		keysValues=[]
		for keyOrValue in strs.split(': '):#以: 和n切分字符串
			for kOrV in keyOrValue.split('rn'):
				keysValues.append(stripChars(kOrV))

		for i in range(0,len(keysValues),2):#生成headers字典
			headers[keysValues[i]]=keysValues[i+1]

		if noKeys:#去除指定键值对
			popKvs=[]
			for key in noKeys.split():
				popKvs.append(f"'{key}':'{headers.pop(stripChars(key))}'")

		json_data=json.dumps(headers,ensure_ascii=False,indent=2)#dict对象转json文本 ensure_ascii让输出结果是中文而不是unicode indent缩进字符个数 值只能是 dict list int float str bool None
		with open('headers.json','w',encoding='utf-8') as h:#储存json数据
			h.write(json_data)
		print('headers信息已储存至headers.json')

		if doPrint:#打印
			print('headers={')
			for k,v in headers.items():
				print(f"'{k}':'{v}',")
			print('}')
			if popKvs:
				print('n去除headers的键值对如下：')
				for kv in popKvs:
					print(kv)
				print('n')
	return headers

def getPage(page):
	params={
	'uid':1618051664,
	'page':page,#通过page刷新微博
	'feature':0,
	}
	url='https://weibo.COM/ajax/statuses/mymblog?'+urlencode(params)#构造url
	try:
		response=requests.get(url,headers=headers,)#请求数据
		print(f'正在尝试爬取数据：{url}响应码：{response.status_code}')
		if response.status_code==200:
			return response.json()
	except requests.ConnectionError as e:
		print('爬取失败：',e.args)

def getLongText(urlid):
	url='https://weibo.com/ajax/statuses/longtext?id='+urlid#构造url
	try:
		response=requests.get(url,headers=headers,)#请求数据
		print(f'检测到长文本 正在尝试爬取数据：{url}，响应码：{response.status_code}')
		if response.status_code==200:
			return response.json()
	except requests.ConnectionError as e:
		print('爬取失败：',e.args)

def getbLOGs(json):
	if json:#如果json!=None
		blogs=json.get('data').get('list')
		articleCount=len(blogs)
		articles=[]
		for blog in blogs:
			#print(blog)
			info={}#微博数据
			info['id']=blog.get('idstr')

			info['createTime']=str(parse(blog.get('created_at'))).split('+')[0]#处理时间格式

			if blog.get('isLongText'):#如果微博为长文本
				longText=getLongText(blog.get('mblogid'))
				if longText:
					longText=longText.get('data')
					info['text']=longText.get('longTextContent')

					topicStruct=longText.get('topic_struct')
					if topicStruct:
						info['topics']=''
						for topic in topicStruct:
							info['topics']+=topic.get('topic_title')+' '
					else:
						info['topic']='无'
			else:
				info['text']=blog.get('text_raw')

			if blog.get('retweeted_status'):#如果微博含转载内容
				info['text']+='该微博含转载微博 内容略'

			if info.get('page_info'):#如果微博有视频或图片
				info['text']+='该微博含视频 或 图片 内容略'
			tagStruct=blog.get('tag_struct')
			if tagStruct:#如果有标签
				info['tags']=''
				for tag in tagStruct:
					info['tags']+=tag.get('tag_name')+' '
			else:
				info['tags']='无'

			topicStruct=blog.get('topic_struct')
			if topicStruct:#如果该微博有主题
				info['topics']=''
				for topic in topicStruct:
					info['topics']+=topic.get('topic_title')+' '
			else:
				info['topics']='无'

			info['likesCount']=blog.get('attitudes_count')
			info['commentsCount']=blog.get('comments_count')
			info['repostsCount']=blog.get('reposts_count')

			info['text']=info['text'].strip('​')#替换一些不正常字符
			info['text']=info['text'].replace('>','>')

			if 'http' in info['text']:#如果有视频链接
				textAndUrl=info['text'].split('http')
				info['text']=textAndUrl[0]
				info['videoUrl']='http'+textAndUrl[-1]
			else:
				info['videoUrl']='无'

			articles.append(info)
		return articles

def getPageblogs(pages):#抓取pages页的所有微博的部分相关信息
	with open('blogs.txt','w',encoding='utf-8') as f:
		f.write('微博页面链接：{}n'.format(headers['referer']))
		f.write(f'共抓取了{pages}页微博相关信息，抓取信息如下：nn')
		for n in range(pages):
			json=getPage(n+1)
			articles=getblogs(json)
			f.write(f'---第{n+1}页---n')
			for i,a in enumerate(articles):
				f.write(f'---第{i+1}个微博---n')
				f.write('微博id：{}n'.format(a['id']))
				f.write('发布时间：{}n'.format(a['createTime']))
				f.write('内容：{}n'.format(a['text']))
				f.write('视频链接：{}n'.format(a['videoUrl']))
				f.write('微博标签：{}n'.format(a['tags']))
				f.write('微博主题：{}n'.format(a['topics']))
				f.write('点赞数：{}n'.format(a['likesCount']))
				f.write('评论数：{}n'.format(a['commentsCount']))
				f.write('转载数：{}n'.format(a['repostsCount']))
				f.write('n')

headers=getHeaders(noKeys='path')
getPageblogs(3)

脚本宝典总结

以上是脚本宝典为你收集整理的抓取微博信息-Python程序-效果演示全部内容，希望文章能够帮你解决抓取微博信息-Python程序-效果演示所遇到的问题。

如果觉得脚本宝典网站内容还不错，欢迎将脚本宝典推荐好友。

本图文内容来源于网友网络收集整理提供，作为学习参考使用，版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ：384754419，请注明来意。