Python selenium抓取微博内容的示例代码

Selenium简介与安装

Selenium是什么？

Selenium也是一个用于Web应用程序测试的工具。Selenium测试直接运行在浏览器中，就像真正的用户在操作一样。支持的浏览器包括IE、Mozilla Firefox、Mozilla Suite等。

安装

直接使用pip命令安装即可！

pip install selenium

Python抓取微博有两种方式，一是通过selenium自动登录后从页面直接爬取，二是通过api。

这里采用selenium的方式。

程序：

from selenium import webdriver
import time
import re
#全局变量
driver = webdriver.Chrome("C:\Program Files (x86)\Google\Chrome\Application\chromedriver.exe")

def loginWeibo(username, password):
 driver.get('https://passport.weibo.cn/signin/login')
 time.sleep(1)

driver.find_element_by_id("loginName").send_keys("haishu_zheng@163.com")
 driver.find_element_by_id("loginPassword").send_keys("Weibo01061122")

time.sleep(1)
 driver.find_element_by_id("loginAction").click()

#driver.close()

def visitUserPage(userId):
 driver.get('http://weibo.cn/' + userId)

print('********************')  
 print('用户资料')

# 1.用户id
 print('用户id:' + userId)

# 2.用户昵称
 strName = driver.find_element_by_xpath("//div[@class='ut']")
 strlist = strName.text.split(' ')
 nickname = strlist[0]
 print('昵称:' + nickname)

# 3.微博数、粉丝数、关注数
 strCnt = driver.find_element_by_xpath("//div[@class='tip2']")
 pattern = r"\d+\.?\d*" # 匹配数字，包含整数和小数
 cntArr = re.findall(pattern, strCnt.text)
 print(strCnt.text)
 print("微博数：" + str(cntArr[0]))
 print("关注数：" + str(cntArr[1]))
 print("粉丝数：" + str(cntArr[2]))

print('\n********************')
 # 4.将用户信息写到文件里
 with open("weibo.txt", "w", encoding = "gb18030") as file:
   file.write("用户ID：" + userId + '\r\n')
   file.write("昵称：" + nickname + '\r\n')
   file.write("微博数：" + str(cntArr[0]) + '\r\n')
   file.write("关注数：" + str(cntArr[1]) + '\r\n')
   file.write("粉丝数：" + str(cntArr[2]) + '\r\n')

# 5.获取微博内容
 # http://weibo.cn/ + userId + ? filter=0&page=1
 # filter为0表示全部，为1表示原创
 print("微博内容")

pageList = driver.find_element_by_xpath("//div[@class='pa']")
 print(pageList.text)
 pattern = r"\d+\d*"     # 匹配数字，只包含整数
 pageArr = re.findall(pattern, pageList.text)
 totalPages = pageArr[1]   # 总共有多少页微博
 print(totalPages)

pageNum = 1     # 第几页
 numInCurPage = 1      # 当前页的第几条微博内容
 contentPath = "//div[@class='c'][{0}]"
 while(pageNum <= 3):  
 #while(pageNum <= int(totalPages)):
   contentUrl = "http://weibo.cn/" + userId + "?filter=0&page=" + str(pageNum)
   driver.get(contentUrl)
   content = driver.find_element_by_xpath(contentPath.format(numInCurPage)).text
   # print("\n" + content) # 微博内容，包含原创和转发
   if "设置:皮肤.图片.条数.隐私" not in content:
     numInCurPage += 1
     with open("weibo.txt", "a", encoding = "gb18030") as file:
       file.write("\r\n" + "\r\n" + content)  # 将微博内容逐条写到weibo.txt中
   else:
     pageNum += 1            # 抓取新一页的内容
     numInCurPage = 1          # 每一页都是从第1条开始抓    

if __name__ == '__main__':
 username = 'haishu_zheng@163.com'  # 输入微博账号
 password = 'Weibo01061122'     # 输入密码
 loginWeibo(username, password)   # 要先登录，否则抓取不了微博内容
 time.sleep(3)
 uid = 'xywyw'            # 寻医问药
 visitUserPage(uid)

运行结果：

同时还生成了weibo.txt文件，内容如下

这种方法有个缺陷，就是爬取较多内容会被封IP：

来源：https://www.jianshu.com/p/bc681b05312f