详解用python写网络爬虫-爬取新浪微博评论

新浪微博需要登录才能爬取，这里使用m.weibo.cn这个移动端网站即可实现简化操作，用这个访问可以直接得到的微博id。

分析新浪微博的评论获取方式得知，其采用动态加载。所以使用json模块解析json代码

单独编写了字符优化函数，解决微博评论中的嘈杂干扰字符

本函数是用python写网络爬虫的终极目的，所以采用函数化方式编写，方便后期优化和添加各种功能

# -*- coding:gbk -*-
import re
import requests
import json
from lxml import html
#测试微博4054483400791767
comments=[]

def get_page(weibo_id):
 url='https://m.weibo.cn/status/{}'.format(weibo_id)
 html=requests.get(url).text
 regcount=r'"comments_count": (.*?),'
 comments_count=re.findall(regcount,html)[-1]
 comments_count_number=int(comments_count)
 page=int(comments_count_number/10)
 return page-1

def opt_comment(comment):
 tree=html.fromstring(comment)
 strcom=tree.xpath('string(.)')
 reg1=r'回复@.*?:'
 reg2=r'回覆@.*?:'
 reg3=r'//@.*'
 newstr=''
 comment1=re.subn(reg1,newstr,strcom)[0]
 comment2=re.subn(reg2,newstr,comment1)[0]
 comment3=re.subn(reg3,newstr,comment2)[0]
 return comment3

def get_responses(id,page):
 url="https://m.weibo.cn/api/comments/show?id={}&page={}".format(id,page)
 response=requests.get(url)
 return response

def get_weibo_comments(response):
 json_response=json.loads(response.text)
 for i in range(0,len(json_response['data'])):
 comment=opt_comment(json_response['data'][i]['text'])
 comments.append(comment)


weibo_id=input("输入微博id，自动返回前5页评论：")
weibo_id=int(weibo_id)
print('\n')
page=get_page(weibo_id)
for page in range(1,page+1):
 response=get_responses(weibo_id,page)
 get_weibo_comments(response)

for com in comments:
 print(com)
print(len(comments))

以上所述是小编给大家介绍的python爬取新浪微博评论详解整合，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对脚本之家网站的支持！