Python 制作微博抓取 GUI 程序
作者：蘿卜大雜燴
對于微博的具體爬取方法，這里就不再展開說明了，我是把所有微博爬蟲的代碼都封裝好了，這里直接調(diào)用暴露的接口即可。
在前面的分享中，我們制作了一個天眼查 GUI 程序，今天我們在這個的基礎上，繼續(xù)開發(fā)新的功能，微博抓取工具，先來看下最終的效果。
整體的界面還是繼承自上次的天眼查界面，我們直接來看相關(guān)功能。
微博功能布局
我們整體的界面布局就是左側(cè)可以選擇不同功能，然后右側(cè)的界面會對應改變。
創(chuàng)建微博 Widget
對于右側(cè)界面的切換，我們可以為不同的功能創(chuàng)建不同的 Widget，當點擊左側(cè)不同功能按鈕后，對應切換 Widget 即可。
我們新建一個 weibo 相關(guān)的函數(shù)，主要用來界面布局。
def weiboWidget(self):
self.left_button_widget_3 = QtWidgets.QWidget()
self.weiboWebEngine = QWebEngineView()
self.weiboWebEngine2 = QWebEngineView()
self.progressWidget = QtWidgets.QWidget()
self.ciyunWidget = QtWidgets.QWidget()
我們還看到整體界面有一個詞云，該詞云是通過 matplotlib 渲染的，所以還需要創(chuàng)建 matplotlib 布局。
self.figure = plt.figure(figsize=(7, 2))
self.canvas = FigureCanvasQTAgg(self.figure)
self.gridLayout_weibo.addWidget(self.canvas, 5, 0, 1, 9)
創(chuàng)建微博查詢
接下來我們創(chuàng)建一個微博查詢函數(shù)，同時因為我們這里需要實時更新抓取進度條，所以使用了多線程的方式。
def doWeiboQuery(self):
weibo_link = self.lineEdit_weibo_link.text()
weibo_name = self.lineEdit_weibo_name.text()
weibo_page = self.weibo_comboBox.currentText()
if not weibo_link or not weibo_name:
QMessageBox.information(self, "Error", "微博鏈接或者用戶名稱不能為空",
QMessageBox.Yes)
return
self.weiboWebEngine.load(QUrl(weibo_link))
self.qth = WeiBoQueryThread()
self.qth.update_data.connect(self.weiboPgbUpdate)
self.qth.draw_ciyun.connect(self.drawCiyun)
self.qth.weibo_page = weibo_page
self.qth.weibo_link = weibo_link
self.qth.weibo_name = weibo_name
self.qth.start()
而主線程與子線程之間的通信，是使用信號槽的形式。
def weiboPgbUpdate(self, data):
self.pgb.setValue(data)
def drawCiyun(self):
self.canvas.draw()
self.toolbar = NavigationToolbar2QT(self.canvas, self)
self.gridLayout_weibo.addWidget(self.toolbar, 8, 0, 1, 9)
接下來就是創(chuàng)建子進程函數(shù)，函數(shù)主體是爬取微博的代碼。
"""子進程微博查詢"""
class WeiBoQueryThread(QThread):
# 創(chuàng)建一個信號，觸發(fā)時傳遞當前時間給槽函數(shù)
update_data = pyqtSignal(int)
draw_ciyun = pyqtSignal()
weibo_name = None
weibo_link = None
weibo_page = None
total_pv = 0
timestamp = str(int(time.time()))
def run(self):
# 微博爬蟲
try:
file_name = self.weibo_name + "_" + self.timestamp + 'comment.csv'
my_weibo = weibo_interface.Weibo(self.weibo_name)
uid, blog_info = my_weibo.weibo_info(self.weibo_link)
pv_max = int(self.weibo_page)
pre_pv = 100 // pv_max
for i in range(int(self.weibo_page)):
my_weibo.weibo_comment(uid, blog_info, str(i), file_name)
self.total_pv += pre_pv
self.update_data.emit(self.total_pv)
print("所有微博評論爬取完成！")
print("開始生成詞云")
font, img_array, STOPWORDS, words = ciyun(file_name)
wc = WordCloud(width=2000, height=1800, background_color='white', font_path=font, mask=img_array,
stopwords=STOPWORDS, contour_width=3, contour_color='steelblue').generate(words)
plt.imshow(wc)
plt.axis("off")
self.draw_ciyun.emit()
print("生成詞云完成")
except Exception as e:
print(e)
而對于微博的具體爬取方法，這里就不再展開說明了，我是把所有微博爬蟲的代碼都封裝好了，這里直接調(diào)用暴露的接口即可。
詞云制作
對于詞云的制作，我們還是先通過 jieba 進行分詞處理，然后使用 wordcloud 庫生成詞云即可。
# 詞云相關(guān)
def ciyun(file, without_english=True):
font = r'C:\Windows\Fonts\FZSTK.TTF'
STOPWORDS = {"回復", "@", "我", "她", "你", "他", "了", "的", "吧", "嗎", "在", "啊", "不", "也", "還", "是",
"說", "都", "就", "沒", "做", "人", "趙薇", "被", "不是", "現(xiàn)在", "什么", "這", "呢", "知道", "鄧"}
df = pd.read_csv(file, usecols=[0])
df_copy = df.copy()
df_copy['comment'] = df_copy['comment'].apply(lambda x: str(x).split()) # 去掉空格
df_list = df_copy.values.tolist()
comment = jieba.cut(str(df_list), cut_all=False)
words = ' '.join(comment)
if without_english:
words = re.sub('[a-zA-Z]', '', words)
img = Image.open('ciyun.png')
img_array = np.array(img)
return font, img_array, STOPWORDS, words
由于很多評論當中會存在鏈接信息，導致制作的詞云有很多高權(quán)重的英文字符，所有這里也通過正則進行了去英文字符處理。
至此，我們這個微博查詢功能就完成了！
責任編輯：武曉燕
