【爬虫实战】-爬取微博之夜盛典评论，爬取了1.7w条数据

前言：

TaoTao之前在前几期推文中发布了一个篇weibo评论的爬虫。主要就是采集评论区的数据，包括评论、评论者ip、评论id、评论者等一些信息。然后有很多的小伙伴对这个代码很感兴趣。TaoTao也都给代码开源了。由于比较匆忙，所以没来得及去讲这个代码。今天刚好使用这个代码去爬取了一些数据，刚好借着这个机会给大伙讲讲代码思路。

思路讲解：

其实这个代码比较简单，其实就是通过使用request这个python的库向目标url发送对应的请求，然后服务器在相应了请求以后，然后再给数据返回回来。然后我们再对对应的数据进行解析就可以了。

大体上如下图所示：
图画的有的地方不是特别严谨，还请见谅

代码讲解：

首先需要明确我们需要使用的类库，这里主要使用到的库如下：

import re					# 进行数据正则化
import time				# 跟时间有关，主要是为了请求休眠使用
import csv				# 数据持久化，保存到csv
import random			# 随机化数据
import requests			# request请求的库，主要是为了发送请求
from datetime import datetime	# 进行数据格式化，主要是为了对评论时间进行转换
from fake_useragent import UserAgent		# 模拟各种浏览器，一种反反爬手段

这些库都是需要使用的，所以需要提前安装，安装方法，可以使用pip 进行安装，如果直接安装不上的话，可以使用清华镜像站进行安装，安装方法如下：

pip install 库名 -i https://pypi.tuna.tsinghua.edu.cn/simple

然后就是登录weibo账号，然后找到对应的文章点进去，可以看到hotflow，这个其实就是评论的数据。我们点击它，然后就可以看到对应的cookie值了，然后复制它

之后需要给这个cookie值写在代码中，具体如下：

设置好cookie之后，就是需要给这个创建request请求了。我们还是回到之前的打开文章的界面复制url链接就可以了。

之后写如下的代码就完成了request请求的操作了，

其实现在就可以获取到数据了，但是我们可以看一下，hotflow哪些是我们需要的数据。
可以看到我们需要的是like_count、source、text等这些数据


所以我们就需要写下面的代码对数据进行解析，至于为什么要写一个for循环，就是为了迭代多条数据。

然后就是数据进行持久化了，持久化这里我这里使用的是csv，代码如下：
下面的这个是进行表格以及表头的创建

下面的是对数据进行保存的操作：

到这里基本上代码就已经写完了

爬取数据：

完成了上面的代码以后，我们就可以爬取数据了
首先我们需要找到需要爬取文章的id,获取方式如下
然后给这个id复制到代码的下面的位置就可以了
然后就可以爬取数据了，这里可以在pycharm或者cmd中执行都是可以的。我比较喜欢在cmd中执行代码，具体就是在cmd中使用python youcodeName.py就可以了。比较省事的方式其实就是使用pycharm直接run
下面是我在cmd中运行结束的截图

然后下面的是我爬取到的数据：


数据可视化：
拿到了数据，其实我们还可以对数据进行可视化，这样方便观察数据的规律
TaoTao使用pyecharts简单的做了几个，仅供大家参考：
其实我们可以看到有重复数据。我看了一下评论区，其实是有人多刷的，就是说一个账号刷了多条同样的评论。我理解这些人可能是水军。





源码获取：关注“python小胡说”，回复“微博评论”既可获取源码！
希望大家可以动手实践，光说不练假把式！
由于TaoTao能力有限，在一些问题表述上难免有不准确的地方，还请多多包涵！