资 源 简 介
python爬虫模拟抓取网页内容,采集网页的内容,这里主要是模拟抓取新浪微博中的内容,里面包括了[源码] 爬取客户端微博信息、[源码] 爬取移动端个人信息 关注id和粉丝id (速度慢)、[源码] 爬取移动端微博信息 (强推)等多个例子,关于运行本例子的几点说明:
1.先安装Python环境,作者是Python 2.7.8
2.再安装PIP或者easy_install
3.通过命令pip install selenium安装selenium,它是自动测试、爬虫的工具
4.然后修改代码中的用户名和密码,填写你自己的用户名和密码
5.运行程序,自动调用Firefox浏览器登陆微博
注意:手机端信息更加精致简单,而且没有动态加载的一些限制,但是如微博或粉丝id只显示20页,这是它的缺点;而客户端可能存在动态加载,如评论和微博,但是它的信息更加完整。
注意事项:
输入:
明星用户id列表,采用URL+用户id进行访问(这些id可以从一个用户的关注列表里面获取)
SinaWeibo_List_best_1.txt
输出:
微博信息及用户基本信息
SinaWeibo_Info_best_1.txt
Megry_Result_Best.py
该文件用户整理某一天的用户微博信息,如2018年4月23日
爬取客户端信息,但是评论是动态加载,还在研究中
weibo_spider2.py