前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
社区首页 >专栏 >我用python开发了一个微博搜索关键词采集软件

我用python开发了一个微博搜索关键词采集软件

原创
作者头像
马哥小迷弟132
修改于 2025-03-12 10:05:49
修改于 2025-03-12 10:05:49
1300
代码可运行
举报
运行总次数:0
代码可运行

本工具仅限学术交流使用,严格遵循相关法律法规,符合平台内容的合法及合规性,禁止用于任何商业用途!

一、背景分析

1.1 开发背景

微博是国内非常流行的社交媒体平台,内容主要以文字和图片为主,在实时性和KOL关注热度方面尤为突出。广大网友在微博平台大量输出自己的观点、看法,组成了一个活跃度极高的社区群体。同时,我本人也发现,每次热点事件爆发的时候,微博热搜也是所有媒体平台里最先曝光的平台(其他平台或多或少都有一些延迟)

基于此,我用python开发了一个爬虫采集软件,叫【爬微博搜索软件】,下面详细介绍。

1.2 软件界面

软件界面,如下:

软件运行中
软件运行中

1.3 结果展示

爬取结果:(截图中展示的就是全部字段了)

爬取结果
爬取结果

1.4 演示视频

软件运行演示:小破站:BV1morrYgEcf

1.5 软件说明

几点重要说明,请详读了解:

代码语言:python
代码运行次数:0
运行
AI代码解释
复制
1. Windows用户可直接双击打开使用,无需Python运行环境,非常方便!
2. 软件通过爬虫程序爬取,经本人专门测试,运行持久,稳定性较高!
3. 先在cookie.txt中填入自己的cookie值,方便重复使用(内附cookie获取方法)
4. 支持多个关键词串行爬取
5. 支持按时间段范围采集贴子
6. 爬取过程中,每爬一页,存一次csv。并非爬完最后一次性保存!防止因异常中断导致丢失前面的数据(每条间隔1~2s)
7. 爬取过程中,有log文件详细记录运行过程,方便回溯 
8. 结果csv含11个字段,有:关键词,页码,微博id,微博链接,用户昵称,用户主页链接,发布时间,转发数,评论数,点赞数,微博内容。 

以上是现有功能,软件版本持续更新中。

二、主要技术

软件全部模块采用python语言开发,主要分工如下:

代码语言:python
代码运行次数:0
运行
AI代码解释
复制
tkinter:GUI软件界面
requests:爬虫请求
BeautifulSoup:解析响应数据
pandas:保存csv结果、数据清洗
logging:日志记录

出于版权考虑,暂不公开源码,仅向用户提供软件使用。

部分代码实现:

发送请求并解析数据:

代码语言:python
代码运行次数:0
运行
AI代码解释
复制
# 发送请求
r = requests.get(url, headers=h1, params=params)
# 解析数据
soup = BS(r.text, 'html.parser')

解析微博链接:

代码语言:python
代码运行次数:0
运行
AI代码解释
复制
# 微博链接
wb_url = 'https:' + item.find('div', {'class': 'from'}).find('a').get('href')
wb_url_list.append(wb_url)

保存结果数据到csv文件:

代码语言:python
代码运行次数:0
运行
AI代码解释
复制
# 保存数据
df = pd.DataFrame(
	{
		'关键词': kw,
		'页码': page,
		'微博id': id_list,
		'微博链接': wb_url_list,
		'用户昵称': name_list,
		'用户主页链接': user_link_list,
		'发布时间': create_time_list,
		'转发数': repost_count_list,
		'评论数': comment_count_list,
		'点赞数': like_count_list,
		'微博内容': text_list,
	}
)
# 保存csv文件
df.to_csv(self.result_file, mode='a+', index=False, header=header, encoding='utf_8_sig')
self.tk_show('结果保存成功:{}'.format(self.result_file))

软件界面底部版权:

代码语言:python
代码运行次数:0
运行
AI代码解释
复制
# 版权信息
copyright = tk.Label(root, text='@马哥python说 All rights reserved.', font=('仿宋', 10), fg='grey')
copyright.place(x=290, y=625)

日志模块:

代码语言:python
代码运行次数:0
运行
AI代码解释
复制
def get_logger(self):
	self.logger = logging.getLogger(__name__)
	# 日志格式
	formatter = '[%(asctime)s-%(filename)s][%(funcName)s-%(lineno)d]--%(message)s'
	# 日志级别
	self.logger.setLevel(logging.DEBUG)
	# 控制台日志
	sh = logging.StreamHandler()
	log_formatter = logging.Formatter(formatter, datefmt='%Y-%m-%d %H:%M:%S')
	# info日志文件名
	info_file_name = time.strftime("%Y-%m-%d") + '.log'
	# 将其保存到特定目录
	case_dir = r'./logs/'
	info_handler = TimedRotatingFileHandler(filename=case_dir + info_file_name,
										when='MIDNIGHT',
										interval=1,
										backupCount=7,
										encoding='utf-8')

三、使用介绍

3.0 填写cookie

开始采集前,先把自己的cookie值填入cookie.txt文件。

pc端微博cookie获取说明:

cookie获取方法
cookie获取方法

然后把复制的cookie值填写到当前文件夹的cookie.txt文件中。

3.1 软件登录

用户登录界面:

用户登录
用户登录

3.2 采集微博帖子

根据自己的实际情况,在软件界面填写采集条件,点击开始按钮:

软件界面
软件界面

完成采集后,在当前文件夹生成对应的csv文件,文件名以时间戳命名,方便查找。

关键Python库

代码语言:python
代码运行次数:0
运行
AI代码解释
复制
tkinter:GUI软件界面
requests:爬虫请求
BeautifulSoup:解析响应数据
pandas:保存csv结果、数据清洗
logging:日志记录

END

我是一名10年程序猿,专注python开发!

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
查看详情【社区公告】 技术创作特训营有奖征文
本文部分代码块支持一键运行,欢迎体验
本文部分代码块支持一键运行,欢迎体验