新浪微博爬虫-抓取用户发布的微博

1.寻找接口

• 在浏览器中访问微博寻找接口
• 请求 https://weibo.com/yangmiblog?profile_ftype=1&is_all=1#_0 杨幂发布所有的微博列表页，每个微博用户唯一不同的是 yangmiblog 这一部分，其他的微博列表替换掉这一部分就行
• 详情页的接口，有很多每个接口，在列表页中寻找详情页所需要的参数，拼接就行
  • 接口1，老微博的接口 https://weibo.cn/comment/IpAmFboF7?uid=2803301701 IpAmFboF7: 微博详情页的标识，uid:这个微博账号的标识
  • 客户端详情页的接口2， https://m.weibo.cn/status/4460578661751867 4460578661751867: 微博文章的标识

2.获取cookie

• 请求列表页https://weibo.com/yangmiblog?profile_ftype=1&is_all=1#_0经过尝需要携带的参数是 cookie中的 SUB，需要我们获取cookie中的SUB参数

• 使用 selenium访问列表页获取页面的cookie，获取SUB的值， 怎么获取cookie参考我的另一篇文章selenium获取cookie

3.解析微博内容我使用的是客户端详情页的接口

• 获取列表页，解析出详情页的标识 4460578661751867

  import requests
  import json
  
  
  headers = {
              'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3980.0 Safari/537.36 Edg/80.0.355.1',
              'Cookie':
                  'SUB=_2AkMpQl9Zf8NxqwJRmP4Uz2vmaox_yAvEieKfHq6CJRMxHRl-yj9jqhwttRB6AsJxtmeKpiXNyz7GDDQw5YkpmIZ6O0s2'
          }
  def get_history():
      weibo_url = "https://weibo.com/yangmiblog?profile_ftype=1&is_all=1"
      response = requests.get(url=weibo_url, headers=headers)
      try:
          html_doc = response.content.decode('utf-8')
          except Exception as e:
              print('获取历史页错误，cookie过期')
              return None
          # 解析历史页
          article_id_list = re.findall(r'mid=\\"(\d+)\\"', html_doc, re.S)
          return article_id_list
  

• 拼接url对详情页发送请求

  response = requests.get(url, timeout=20, headers={
                      "User-Agent": 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3980.0 Safari/537.36 Edg/80.0.355.1',
                      "Sec - Fetch - User":"?1",
                      "Upgrade - Insecure - Requests": "1"
                      })
  html = response.text
  data = json.loads(re.findall(r'render_data = \[(.*?)\]\[0\]', html, re.S)[0])
  # 内容
  content = data['status']['text']
  # 转发量
  reposts_count = data['status']['reposts_count']
  # 评论量
  comments_count = data['status']['comments_count']
  # 点赞量
  attitudes_count = data['status']['attitudes_count']
  # 标题
  title = data['status']['status_title']
  pub_time_str = data['status']['created_at'].split(' ')
  month = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec'].index(
              pub_time_str[1]) + 1
  # %Y-%m-%d %H:%M:%S
  # 发布时间
  pub_time = pub_time_str[-1] + '-' + str(month) + '-' + pub_time_str[2] + ' ' + pub_time_str[3]
  # 这样就获取到了一条完整的微博数据
  

---

这里就是我的抓取思路，代码仅供提供思路