[[443032]]

【Part1——理論篇】

大家好，我是皮皮。

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(shù)據(jù)，應該怎么實現(xiàn)呢?最簡單的做法就是找到微博評論數(shù)據(jù)接口，然后通過改變參數(shù)來獲取最新數(shù)據(jù)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(wǎng)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(shù)據(jù)接口，如下圖所示。

之后點擊“參數(shù)”選項卡，可以看到參數(shù)為下圖所示的內(nèi)容：

可以看到總共有4個參數(shù)，其中第1、2個參數(shù)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(shù)，每次都要變化，下次的max_id參數(shù)值在本次請求的返回數(shù)據(jù)中。

【Part2——實戰(zhàn)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(xiàn)。

1、首先區(qū)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(shù)據(jù)，微博cookie的有效期比較長，足夠抓一條微博的評論數(shù)據(jù)了，cookie數(shù)據(jù)可以從瀏覽器分析工具中找到。

3、然后將返回數(shù)據(jù)轉(zhuǎn)換成json格式，取出評論內(nèi)容、評論者昵稱和評論時間等數(shù)據(jù)，輸出結果如下圖所示。

4、為了保存評論內(nèi)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(nèi)容保存到txt文件中，使用簡單的open函數(shù)進行實現(xiàn)，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(shù)據(jù)(每頁20條)，網(wǎng)上也有說返回50頁的，但是接口不同、返回的數(shù)據(jù)條數(shù)也不同，所以我加了個for循環(huán)，一步到位，遍歷還是很給力的，如下圖所示。

7、這里把函數(shù)命名為job。為了能夠一直取出最新的數(shù)據(jù)，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(shù)據(jù)，做去重處理，如下圖所示。如果評論已經(jīng)在里邊的話，就直接pass掉，如果沒有的話，繼續(xù)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(shù)據(jù)，但在這種微博的限制條件下，也是一種比較有效的方法。