标签：comment weibo pyhton re 微博 https each 李易峰 com
今日目标：微博，以李易峰的微博为例：
https://weibo.com/liyifeng2007?is_all=1
然后进入评论页面，进入XHR查找真是地址：
https://weibo.com/aj/v6/comment/big?ajwvr=6&id=4353796790279702&from=singleWeiBo
很明显，是动态的，抓取也是按我以前写的那些方法来，就不一一说了，他这里最重要的还是那串数字，所以我们只要在第一个网址哪里把那串数字找出来就算成功一半了，这次需要用到re正则，嗯，这个我不擅长，不过没事，应该还是可以搞到的：
target = 'https://weibo.com/liyifeng2007?is_all=1'
headers = {
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/85.0.4183.83 Safari/537.36',
'cookie': 'SUB=_2AkMowDDgf8NxqwJRmPoSyWnqao53ywzEieKenME7JRMxHRl-yT9kqnEjtRB6A0AeDzsLF_aeZGlWOMf4mEl-MBZZXqc_; SUBP=0033WrSXqPxfM72-Ws9jqgMF55529P9D9WWcpq860VQlJcIRRNP9pzqS; SINAGLOBAL=1033839351635.7524.1604108279474; login_sid_t=c071efc77911ceace152df2be5986e09; cross_origin_proto=SSL; WBStorage=8daec78e6a891122|undefined; _s_tentry=-; Apache=8275565331127.246.1604195643561; ULV=1604195643568:3:1:1:8275565331127.246.1604195643561:1604122447982; wb_view_log=1920*10801; UOR=,,editor.csdn.net'
}
html = requests.get(target,headers=headers).text
for each in re.findall('<a name=(.*?)date=',html):
real_id = each.split(" ")[0]
filename = each.split("\\")[-2].replace('"',"").replace(":",".")
print(real_id,filename)
输出如下：
第一个就是我们需要的ID，后面则是发微博的时间，我们用它来做存储评论数据的文件名称。
然后我们把ID传入第二个网址：
comment_url = f'https://weibo.com/aj/v6/comment/big?ajwvr=6&id={real_id}&from=singleWeiBo'
当然这个是抓取热度的，如你要抓取最新回复的，需要下面这个：
comment_url = f'https://weibo.com/aj/v6/comment/big?ajwvr=6&id={read_id}&page=1'
拿到这个就简单了，JSON 数据，直接进json网站解析就行，然后找到我们需要的数据，这里就直接上代码了：
comment_url = f'https://weibo.com/aj/v6/comment/big?ajwvr=6&id={real_id}&page=1'
res = requests.get(comment_url,headers=headers).json()["data"]["html"]
# 提取评论人和评论内容
conmment = re.findall('ucardconf="type=1">(.*?)</div>', res)
for each in conmment:
# 将 内容里的那些表情替换
each = re.sub('<.*?>','',each)
print(each)
re 不太会用，大家将就着看，主要是能把数据搞到手，这个最重要，哈哈…
对比一下：
把那些表情给去除了，有些只发表情没法字的就会只显示名字，这个是正常的，其余就是一毛一样了。
数据拿到了，咱们就存储到本地吧，全部代码：
# -*- coding: utf-8 -*-
"""
Created on 2020-11-18
@author: 李运辰
"""
#https://weibo.com/liyifeng2007?is_all=1
import requests
import re,os
url = 'https://s.weibo.com/?topnav=1&wvr=6'
target = 'https://weibo.com/liyifeng2007?is_all=1'
headers = {
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/85.0.4183.83 Safari/537.36',
'cookie': 'SUB=_2AkMowDDgf8NxqwJRmPoSyWnqao53ywzEieKenME7JRMxHRl-yT9kqnEjtRB6A0AeDzsLF_aeZGlWOMf4mEl-MBZZXqc_; SUBP=0033WrSXqPxfM72-Ws9jqgMF55529P9D9WWcpq860VQlJcIRRNP9pzqS; SINAGLOBAL=1033839351635.7524.1604108279474; login_sid_t=c071efc77911ceace152df2be5986e09; cross_origin_proto=SSL; WBStorage=8daec78e6a891122|undefined; _s_tentry=-; Apache=8275565331127.246.1604195643561; ULV=1604195643568:3:1:1:8275565331127.246.1604195643561:1604122447982; wb_view_log=1920*10801; UOR=,,editor.csdn.net'
}
html = requests.get(target,headers=headers).text
for each in re.findall('<a name=(.*?)date=',html):
real_id = each.split(" ")[0]
filename = each.split("\\")[-2].replace('"',"").replace(":",".")
# print(real_id,filename)
# print(filename)
for page in range(1,11):
comment_url = f'https://weibo.com/aj/v6/comment/big?ajwvr=6&id={real_id}&page={page}'
res = requests.get(comment_url,headers=headers).json()["data"]["html"]
# 提取评论人和评论内容
conmment = re.findall('ucardconf="type=1">(.*?)</div>', res)
# conmment = re.findall('</i></a>(.*?) </div>', res)
for each in conmment:
# 将 内容里的那些表情替换
each = re.sub('<.*?>','',each)
print(each)
f_name = "./images/"+filename
with open(f_name+"_李运辰.txt","a",encoding="utf-8") as f:
f.write(each)
f.write("\n")
只是测试，所以就只爬了十几页：
爬下来后可以自己对比一下：
搞定！！！！
标签：comment,weibo,pyhton,re,微博,https,each,李易峰,com 来源： https://blog.51cto.com/u_11949039/2963459
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。