[[356785]]

【Part1——理論篇】

試想一個問題，如果我們要抓取某個微博大V微博的評論數據，應該怎么實現呢?最簡單的做法就是找到微博評論數據接口，然后通過改變參數來獲取最新數據并保存。首先從微博api尋找抓取評論的接口，如下圖所示。

但是很不幸，該接口頻率受限，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，先登錄，然后找到我們想要抓取評論的微博，打開瀏覽器自帶流量分析工具，一直下拉評論，找到評論數據接口，如下圖所示。

之后點擊“參數”選項卡，可以看到參數為下圖所示的內容：

可以看到總共有4個參數，其中第1、2個參數為該條微博的id，就像人的身份證號一樣，這個相當于該條微博的“身份證號”，max_id是變換頁碼的參數，每次都要變化，下次的max_id參數值在本次請求的返回數據中。

【Part2——實戰篇】

有了上文的基礎之后，下面我們開始擼代碼，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數據，微博cookie的有效期比較長，足夠抓一條微博的評論數據了，cookie數據可以從瀏覽器分析工具中找到。

3、然后將返回數據轉換成json格式，取出評論內容、評論者昵稱和評論時間等數據，輸出結果如下圖所示。

4、為了保存評論內容，我們要將評論中的表情去掉，使用正則表達式進行處理，如下圖所示。

5、之后接著把內容保存到txt文件中，使用簡單的open函數進行實現，如下圖所示。

6、重點來了，通過此接口最多只能返回16頁的數據(每頁20條)，網上也有說返回50頁的，但是接口不同、返回的數據條數也不同，所以我加了個for循環，一步到位，遍歷還是很給力的，如下圖所示。

7、這里把函數命名為job。為了能夠一直取出最新的數據，我們可以用schedule給程序加個定時功能，每隔10分鐘或者半個小時抓1次，如下圖所示。

8、對獲取到的數據，做去重處理，如下圖所示。如果評論已經在里邊的話，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。

【Part3——總結篇】

這種方法雖然抓不全數據，但在這種微博的限制條件下，也是一種比較有效的方法。

本文轉載自微信公眾號「 IT共享者」，可以通過以下二維碼關注。轉載本文請聯系 IT共享者公眾號。