标签：image 保存 art 抓取 正则表达 改变 实战 api python
【Part1——理论篇】
试想一个问题，如果我们要抓取某个微博大V微博的评论数据，应该怎么实现呢？最简单的做法就是找到微博评论数据接口，然后通过改变参数来获取最新数据并保存。首先从微博api寻找抓取评论的接口，如下图所示。
但是很不幸，该接口频率受限，抓不了几次就被禁了，还没有开始起飞，就凉凉了。
接下来小编又选择微博的移动端网站，先登录，然后找到我们想要抓取评论的微博，打开浏览器自带流量分析工具，一直下拉评论，找到评论数据接口，如下图所示。
之后点击“参数”选项卡，可以看到参数为下图所示的内容：
可以看到总共有4个参数，其中第1、2个参数为该条微博的id，就像人的身份证号一样，这个相当于该条微博的“身份证号”，max_id是变换页码的参数，每次都要变化，下次的max_id参数值在本次请求的返回数据中。
【Part2——实战篇】
有了上文的基础之后，下面我们开始撸代码，使用Python进行实现。
1、首先区分url，第一次不需要max_id,第二次需要用第一次返回的max_id。
2、请求的时候需要带上cookie数据，微博cookie的有效期比较长，足够抓一条微博的评论数据了，cookie数据可以从浏览器分析工具中找到。
3、然后将返回数据转换成json格式，取出评论内容、评论者昵称和评论时间等数据，输出结果如下图所示。
4、为了保存评论内容，我们要将评论中的表情去掉，使用正则表达式进行处理，如下图所示。
5、之后接着把内容保存到txt文件中，使用简单的open函数进行实现，如下图所示。
6、重点来了，通过此接口最多只能返回16页的数据（每页20条），网上也有说返回50页的，但是接口不同、返回的数据条数也不同，所以我加了个for循环，一步到位，遍历还是很给力的，如下图所示。
7、这里把函数命名为job。为了能够一直取出最新的数据，我们可以用schedule给程序加个定时功能，每隔10分钟或者半个小时抓1次，如下图所示。
8、对获取到的数据，做去重处理，如下图所示。如果评论已经在里边的话，就直接pass掉，如果没有的话，继续追加即可。
这项工作到此就基本完成了。
【Part3——总结篇】
这种方法虽然抓不全数据，但在这种微博的限制条件下，也是一种比较有效的方法
标签：image 保存 art 抓取 正则表达 改变 实战 api python
原文地址：https://www.cnblogs.com/7758520lzy/p/12604708.html
