Skip to content

Latest commit

 

History

History
82 lines (45 loc) · 3.12 KB

README-cn.md

File metadata and controls

82 lines (45 loc) · 3.12 KB
Raw

新浪微博爬虫

image image image image

English Version | 中文版

基于Python实现的从微博移动端爬取目标新浪微博用户的微博数据（文本、图片、实况照片和视频）。该爬虫通过session（用户名和密码）模拟用户登录。

特别鸣谢Python中文社区提供的原始代码SourceCode_weibocrawler.py。

功能

  • 爬取原创和转发微博中的短文本。

  • 爬取原创和转发微博中的大（优先）或小JPG/GIF图片。

  • [新!] 爬取原创和转发微博中的实况照片（存为JPG图片、MOV视频和/或GIF图片）。

  • 爬取原创和转发微博中的高清（优先）或标清视频。

环境

爬虫程序在Ubuntu 16.04操作系统已测试通过。针对Window和macOS操作系统，文件路径的格式需要进行相应的修改。

依赖项

  • requests 2.21.0
  • lxml 4.2.5
  • cv2 4.1.0
  • imageio 2.4.1
  • PIL 5.3.0

使用方法

用户设置

  1. 设置session的S_DATA和S_HEADER以模拟新浪微博用户登录（详细信息参见注释）。

  2. 设置目标微博用户的USER_URL（详细信息参见注释）。

  3. 设置爬取的总页数PAGE_AMOUNT（详细信息参见注释）。

  4. 设置保存微博数据的路径PATH_FOLDER和文本文件PATH_FILE_TXT。

  5. 设置爬取的微博数据类型（IF_IMAGE、IF_PHOTO和IF_VIDEO为1）。

  6. 若需要将实况照片（视频）转换为GIF图片，设置IF_LIVE2GIF = True。

  7. 设置爬虫的TIME_DELAY以避免ConnectionError 104: ('Connection aborted.')。

  8. 如果出现ConnectionError 104: ('Connection aborted.')：

    1. 设置IF_RECONNECT = True以重连模式运行爬虫。

    2. 设置TAG_STARTCARD为终止微博的序号（根据日志信息）。

    3. 重新运行run_WeiboCrawler.py以继续爬取微博数据。

    4. 若以正常模式运行爬虫，设置IF_RECONNECT = False！

运行

  1. 运行run_WeiboCrawler.py，以爬取目标新浪微博用户的微博数据。

  2. 运行该程序的日志信息参见Log_run_WeiboCrawler.txt。

结果

  1. 微博数据将会保存在预设定的文件夹（例如，Demo_WeiboData/）。

  2. 微博文本将会保存于文本文件（例如，Demo_WeiboData/Demo_WeiboPost_Records.txt）。

  3. 图片、实况照片和视频将会保存于子文件夹（例如，1/、1_livephoto/和1_video/）。


如果您对该项目有任何问题，请报告issue，我将会尽快回复。

如果该项目对您有帮助，请为其加星支持哈，非常感谢。^_^