爬虫获取微博首页热搜

#爬虫获取微博首页热搜| 来源: 网络整理| 查看: 265

爬虫获取微博首页热搜

步骤:

打开微博首页 https://s.weibo.com/top/summary?右键点击检查，分析静态网页将爬取到的内容保存为csv文件格式

需要导入的库

import requests from lxml import etree import pandas as pd

话不多说，直接上源码！

import requests from lxml import etree import pandas as pd url = 'https://s.weibo.com/top/summary?' headers = { 'User-Agent': 'Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Mobile Safari/537.36 Edg/91.0.864.70' } def get_url(url): try: response = requests.get(url, headers=headers) if response.status_code == 200: return response.text except requests.ConnectionError as e: print(e.args) def get_hot(): hotlist = [] #热搜内容列表，用来保存内容 hot_url_list=[] #热搜url列表 index_list=[] #索引号列表 items = get_url(url) #调用函数，获取网页response.text html = etree.HTML(items)# 初始化 hot_list = html.xpath('/html/body/div/section/ul/li')#xpath定位，可在浏览器直接复制 j=1 #遍历所有li列表 for i in hot_list: #获取热搜内容 hot = i.xpath('./a/span/text()')[0] #一直搞不懂[0]是什么意思 hotlist.append(hot) #获取内容的url hot_url = i.xpath('./a/@href')[0] hot_url="https://s.weibo.com/"+str(hot_url)#需要组合正确的url，才能打开 hot_url_list.append(hot_url) print(j,hot,hot_url) index_list.append(j) j=j+1 #保存文件 file=pd.DataFrame(data={'编号':index_list,'内容':hotlist,'url':hot_url_list}) file.to_csv('微博热搜.csv',encoding='utf_8_sig') #调用函数，完成爬取！ get_hot()

运行结果: 在这里插入图片描述文件到此，便完成了今天微博热搜的获取。

关于以上代码，要留意的就是组合url，源码是没有"https://s.weibo.com/"这一前缀的，估计是对我的考验，哈哈！

还有就是hot = i.xpath(’./a/span/text()’)[0] 后面的[0]不加会报错，但我又不知道是什么意思，还望大神指点迷津。

xpath只是略懂皮毛，知识有限，还望走过路过多多指教！

【本文地址】

公司简介

联系我们