微博采集

成果

morelinks()###

注意里面的while和for循环
因为i=i+1是在try里面的,所以有问题的时候会,继续尝试链接。。。
for url in urls:多个账号
i=1 while i<9 第1到8页

def result()###

用了json
也用了正则,排除一些无效的内容:
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
b = re.compile('<.*?>'
re.sub(b,'',cards[0]['card_group'][i]['mblog']['text']
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
web_date = requests.get(url2,timeout=3.0001)
timeout,有点意思。。。

很简单,所以不用读写分离

#!/usr/bin/env python
#-*- coding: utf-8 -*-
import requests
import time
import json
import re
from urllib import request
from bs4 import BeautifulSoup
from requests.adapters import HTTPAdapter
#https://zhidao.baidu.com/question/1637388888787200780.html?skiptype=2
#https://zhidao.baidu.com/question/326188178157901725.html?qbl=relate_question_2&skiptype=2
time1 = time.strftime("%H:%M:%S").replace(':','-')
path ='./result/'
ids =['2634877355','3957040489','1850988623','1477045392','1642292081','1974808274']
#ConnectionAbortedError: [WinError 10053] 您的主机中的软件中止了一个已建立的连接。
#('Connection aborted.', TimeoutError(10060, '由于连接方在一段时间后没有正确答复或连接的主机没有反应,连接尝试失败。', None, 10060, None))
#requests.exceptions.ConnectionError: ('Connection aborted.', ConnectionAbortedError(10053, '您的主机中的软件中止了一个已建立的连接。', None, 10053, None))
urls= ['http://m.weibo.cn/page/json?containerid=100505{}_-_WEIBO_SECOND_PROFILE_WEIBO&page='.format(i)for i in ids]
headers = {
    'Cookie': '_T_WM=fb891da3dee671bfb37a045660512441; SUHB=0rrKYBXxJUK4-l; SCF=AiKs4RYjd4sGkYDERWq3Fw0Ro69PlySf72VxZ78iuPueo-VQ97U_W4_U1R2oj1BuXnsZbWChTDVfGZ28_3048Pw.; SUB=_2A251FAuWDeTxGedG6lQY8S3Pyz6IHXVW9pXerDV6PUJbkdBeLVbRkW1Ogg679NBeDJ6iXr9hNupHMsGDIA..; M_WEIBOCN_PARAMS=featurecode%3D20000181%26luicode%3D10000011%26lfid%3D1005051904769205',
    'User - Agent': 'User-Agent:Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) '
                    'AppleWebKit/537.36 (KHTML, like Gecko) Chrome/46.0.2490.76 Mobile Safari/537.36'
}
def morelinks():
    for url in urls: #账号
            i=1
            while i<9: #改成while就可以不停的重试了
                url2 = url + str(i)
                try:
                    result(url2)
                    print(url2)
                    i = i + 1
                except Exception as e:
                    print(e)
                    time.sleep(10)
                    #i = i - 1


#http://weibo.com/p/aj/v6/mblog/mbloglist?ajwvr=6&domain=100606&refer_flag=0000015010_&from=feed&loc=nickname&is_all=1&pagebar=0&pl_name=Pl_Official_MyProfileFeed__25&id=1006061904769205&script_uri=/zhihu&feed_type=0&page=1&pre_page=1&domain_op=100606&__rnd=1477474592263
#http://docs.python-requests.org/zh_CN/latest/user/quickstart.html
def result(url2='http://m.weibo.cn/page/json?containerid=1005052634877355_-_WEIBO_SECOND_PROFILE_WEIBO&page=1'):
    web_date = requests.get(url2,timeout=3.0001) #恰好发布的时候会有问题?
    b = re.compile('\<.*?\>')
    cont = web_date.text
    jcont = json.loads(cont) #json 转成了字典
    cards=jcont['cards']
    #print(cards[0])#数列
    #JSON.cards[0].card_group[0].mblog.created_at
    username=cards[0]['card_group'][0]['mblog']['user']['screen_name']
    path = './'
    path=path+username+time1+'.txt'
    print(path)
    print(len(cards[0]['card_group']))
    with open(path,'a+',encoding='utf-8') as text:
        for i in range(0,len(cards[0]['card_group'])):
            date= {
                'time':(cards[0]['card_group'][i]['mblog']['created_at']),
                'sum':(cards[0]['card_group'][i]['mblog']['reposts_count'])+
                      (cards[0]['card_group'][i]['mblog']['comments_count'])+
                      (cards[0]['card_group'][i]['mblog']['attitudes_count']),
                'reposts_count':(cards[0]['card_group'][i]['mblog']['reposts_count']),
                'comments_count':(cards[0]['card_group'][i]['mblog']['comments_count']),
                'attitudes_count':(cards[0]['card_group'][i]['mblog']['attitudes_count']),
                #'text':cards[0]['card_group'][i]['mblog']['text'],
                'text2':re.sub(b,'',cards[0]['card_group'][i]['mblog']['text']),
                'USER':cards[0]['card_group'][i]['mblog']['user']['screen_name'],
            }
            print(str(date))
            text.write(str(date['time'])+'$'+str(date['sum'])+'$'+str(date['reposts_count'])+'$'
                       +str(date['comments_count'])+'$'+str(date['attitudes_count'])
                       +'$'+str(date['text2'])+'\n')
    time.sleep(3)
        #返回数据,读写分离

#def


morelinks()
#result()

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 202,056评论 5 474
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 84,842评论 2 378
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 148,938评论 0 335
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,296评论 1 272
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,292评论 5 363
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,413评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,824评论 3 393
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,493评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,686评论 1 295
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,502评论 2 318
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,553评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,281评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,820评论 3 305
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,873评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,109评论 1 258
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,699评论 2 348
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,257评论 2 341

推荐阅读更多精彩内容