【B 站视频教程】抓取用户微博和批量抓取评论

月小水长

共 2322字,需浏览 5分钟

 · 2021-10-22

    点击上方 月小水长 并 设为星标,第一时间接收干货推送

这是 月小水长 的第 90 篇原创干货

目前公众号平台改变了推送机制,点“赞”、点“在看”、添加过“星标”的同学,都会优先接收到我的文章推送,所以大家读完文章后,记得点一下“在看”和“赞”。


如何抓取用户的所有微博,该部分代码地址在: 一个爬取用户所有微博的爬虫,还能断网续爬那种(点击直达),下面的视频详情演示了这个过程



如何抓取一条甚至多条微博的评论呢?代码地址在:2021 新版微博评论及其子评论爬虫发布(点击直达),具体操作可参考下面的视频

批量抓取微博评论,需要配置的一个文件是 mac_comment_config.json,其格式如下:

{  "cookie": "换成你的 cookie",  "comments": [    {      "mid": "KCXTUah9W",      "uid": "2656274875",      "limit": 100000,      "decs": "吴京说神州十三号太美了"    },    {      "mid": "KCYA7jubh",      "uid": "2803301701",      "limit": 100000,      "decs": "吴京说神州十三号太美了"    }  ]}

以上的配置可以抓取两条微博的评论,有个问题是,如果有很多很多个微博需要爬评论,难道需要一个个输入 mid 和 uid 吗?考虑到这个问题,我特意写了个脚本,比如我们爬完话题爬虫: 2021 新版微博话题爬虫发布 后,需要获取该话题下所有微博的评论,我们可以使用如下的 py 脚本代码自动构建视频中抓取评论所需要的 json 配置文件

# -*- coding: utf-8 -*-# author:           inspurer(月小水长)# create_time:      2021/10/17 10:31# 运行环境           Python3.6+# github            https://github.com/inspurer# 微信公众号         月小水长
import json
import pandas as pd
limit = 10000
config_path = 'mac_comment_config.json'
data_path = './topic/小米.csv'

def drop_duplicate(path, col_index=0): df = pd.read_csv(path) first_column = df.columns.tolist()[col_index] # 去除重复行数据 df.drop_duplicates(keep='first', inplace=True, subset=[first_column]) # 可能还剩下重复 header df = df[-df[first_column].isin([first_column])] df.to_csv(path, encoding='utf-8-sig', index=False)

drop_duplicate(data_path)
with open(config_path, 'r', encoding='utf-8-sig') as f: config_json = json.loads(f.read())
df = pd.read_csv(data_path)
# 清楚原有的 comments 配置,如不需要可注释config_json['comments'].clear()
for index, row in df.iterrows(): print(f'{index + 1}/{df.shape[0]}') weibo_link = row['weibo_link'] if '?' in weibo_link: weibo_link = weibo_link[:weibo_link.index('?')] uid = weibo_link[weibo_link.index('com') + 4:weibo_link.rindex('/')] mid = weibo_link[weibo_link.rindex('/') + 1:] config_json['comments'].append({ 'mid': mid, 'uid': uid, 'limit': limit, 'desc': row['user_name'] })
with open(config_path, 'w', encoding='utf-8-sig') as f: f.write(json.dumps(config_json, indent=2, ensure_ascii=False))

构建一次即可,如果抓取过程出错,可以把已经抓取过评论的的微博从 json 配置文件中删除,下次就可以从当前微博继续抓取了。

点击 阅读原文 可以直达视频地址~
浏览 9
点赞
评论
收藏
分享

手机扫一扫分享

举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

举报