【2023微博评论爬虫】用python爬上千条微博评论，突破15页限制！

目录

• 一、爬取目标
• 二、展示爬取结果
• 三、爬虫代码
• 四、同步视频
• 五、获取完整源码

您好，我是@马哥python说，一枚10年程序猿。

一、爬取目标

前些天我分享过一篇微博的爬虫：

马哥python说：【python爬虫案例】爬取微博任意搜索关键词的结果，以“唐山打人”为例

但我的学习群中的小伙伴频繁讨论微博评论的爬取，所以，我们再分享这篇微博评论的爬虫。

注意区分这两个爬虫：

上次：爬指定搜索关键词的搜索结果的博文数据

本次：爬单一微博的微博下方评论数据

二、展示爬取结果

首先，看下部分爬取数据：

​

爬取字段含：

微博id、评论页码、评论id、评论时间、评论点赞数、评论者IP归属地、评论者姓名、评论者id、评论者性别、评论者关注数、评论者粉丝数、评论内容。

三、爬虫代码

上次在文章中讲到，微博有3种访问方式，分别是：

PC端网页：https://weibo.com/

移动端：https://weibo.cn/

手机端：https://m.weibo.cn/

本次依然采用第3种访问方式爬取，即，通过手机端爬取。

打开张天爱的目标微博：https://m.weibo.cn/detail/4806418774099867

URL地址中的"4806418774099867"就是微博id了。

​

cookie从哪里获取呢？看截图：

​

把微博id带入到Python爬虫代码中，下面展示部分爬虫代码。

关键逻辑来了！

关键逻辑来了！

关键逻辑来了！

重要的事情说三遍，外加敲黑板！！

关键逻辑：（非常关键！如果处理不好，就只能爬到第1页，很多小伙伴卡在这了）

max_id的处理：

if page == 1:  # 第一页，没有max_id参数
	url = 'https://m.weibo.cn/comments/hotflow?id={}&mid={}&max_id_type=0'.format(weibo_id, weibo_id)
else:  # 非第一页，需要max_id参数
	if max_id == '0':  # 如果发现max_id为0，说明没有下一页了，break结束循环
		print('max_id is 0, break now')
		break
	url = 'https://m.weibo.cn/comments/hotflow?id={}&mid={}&max_id_type=0&max_id={}'.format(weibo_id,
	                                                                                        weibo_id,
	                                                                                        max_id)

如果是第一页，不用传max_id参数。

如果非第一页，需要传max_id参数，它的值来自于上一页的r.json()['data']['max_id']

下面，就是正常爬虫逻辑了。

首先，向微博页面发送请求：

r = requests.get(url, headers=headers)  # 发送请求
print(r.status_code)  # 查看响应码
print(r.json())  # 查看响应内容

下面，是解析数据的处理逻辑：

datas = r.json()['data']['data']
for data in datas:
	page_list.append(page)
	id_list.append(data['id'])
	dr = re.compile(r'<[^>]+>', re.S)  # 用正则表达式清洗评论数据
	text2 = dr.sub('', data['text'])
	text_list.append(text2)  # 评论内容
	time_list.append(trans_time(v_str=data['created_at']))  # 评论时间
	like_count_list.append(data['like_count'])  # 评论点赞数
	source_list.append(data['source'])  # 评论者IP归属地
	user_name_list.append(data['user']['screen_name'])  # 评论者姓名
	user_id_list.append(data['user']['id'])  # 评论者id
	user_gender_list.append(tran_gender(data['user']['gender']))  # 评论者性别
	follow_count_list.append(data['user']['follow_count'])  # 评论者关注数
	followers_count_list.append(data['user']['followers_count'])  # 评论者粉丝数

最后，是保存数据的处理逻辑：

df = pd.DataFrame(
	{
		'微博id': [weibo_id] * len(time_list),
		'评论页码': page_list,
		'评论id': id_list,
		'评论时间': time_list,
		'评论点赞数': like_count_list,
		'评论者IP归属地': source_list,
		'评论者姓名': user_name_list,
		'评论者id': user_id_list,
		'评论者性别': user_gender_list,
		'评论者关注数': follow_count_list,
		'评论者粉丝数': followers_count_list,
		'评论内容': text_list,
	}
)
if os.path.exists(v_comment_file):  # 如果文件存在，不再设置表头
	header = False
else:  # 否则，设置csv文件表头
	header = True
# 保存csv文件
df.to_csv(v_comment_file, mode='a+', index=False, header=header, encoding='utf_8_sig')
print('结果保存成功:{}'.format(v_comment_file))

篇幅有限，请求头、cookie、循环页码、数据清洗等其他细节不再赘述。

四、同步视频

详细讲解源码：

https://www.bilibili.com/video/BV1cd4y1R7Mf/

五、获取完整源码

附完整源码：【2023微博评论爬虫】用python爬上千条微博评论，突破15页限制!

---

推荐阅读：

微博评论分析大屏：马哥python说：【技术流吃瓜】python大屏分析"张天爱"微博网友评论

爬微博搜索结果：马哥python说：【python爬虫案例】爬取微博任意搜索关键词的结果，以“唐山打人”为例