用Python抓取微博評論

【Part1——理論篇】

試想一個問題，如果我們要抓取某個微博大V微博的評論資料，應該怎麼實現呢？最簡單的做法就是找到微博評論資料介面，然後通過改變引數來獲取最新資料並儲存。首先從微博api尋找抓取評論的介面，如下圖所示。

但是很不幸，該介面頻率受限，抓不了幾次就被禁了，還沒有開始起飛，就涼涼了。

接下來小編又選擇微博的移動端網站，先登入，然後找到我們想要抓取評論的微博，開啟瀏覽器自帶流量分析工具，一直下拉評論，找到評論資料介面，如下圖所示。

之後點選“引數”選項卡，可以看到引數為下圖所示的內容：

可以看到總共有4個引數，其中第1、2個引數為該條微博的id，就像人的身份證號一樣，這個相當於該條微博的“身份證號”，max_id是變換頁碼的引數，每次都要變化，下次的max_id引數值在本次請求的返回資料中。

【Part2——實戰篇】

有了上文的基礎之後，下面我們開始擼程式碼，使用Python進行實現。

1、首先區分url，第一次不需要max_id,第二次需要用第一次返回的max_id。

2、請求的時候需要帶上cookie資料，微博cookie的有效期比較長，足夠抓一條微博的評論資料了，cookie資料可以從瀏覽器分析工具中找到。

3、然後將返回資料轉換成json格式，取出評論內容、評論者暱稱和評論時間等資料，輸出結果如下圖所示。

4、為了儲存評論內容，我們要將評論中的表情去掉，使用正規表示式進行處理，如下圖所示。

5、之後接著把內容儲存到txt檔案中，使用簡單的open函式進行實現，如下圖所示。

6、重點來了，通過此介面最多隻能返回16頁的資料（每頁20條），網上也有說返回50頁的，但是介面不同、返回的資料條數也不同，所以我加了個for迴圈，一步到位，遍歷還是很給力的，如下圖所示。

7、這裡把函式命名為job。為了能夠一直取出最新的資料，我們可以用schedule給程式加個定時功能，每隔10分鐘或者半個小時抓1次，如下圖所示。

8、對獲取到的資料，做去重處理，如下圖所示。如果評論已經在裡邊的話，就直接pass掉，如果沒有的話，繼續追加即可。

這項工作到此就基本完成了。