微博高級搜索

可能你經(jīng)常有這樣的需要，比如最近有熱度的事件興起，你要抓取幾月幾號到幾月幾號這段時間，提及到某個關(guān)鍵詞的微博。

這其實是一個非常剛性的需求，這就要采用微博的高級搜索來完成了。

本文采用 微博站點

高級搜索接口：

https://weibo.cn/search/mblog?advanced=mblog&f=s

注意這里的時間是以天為單位，如果輸入關(guān)鍵詞“高考”，試著分別輸入20190601至20190602、20190601至20190620，結(jié)果返回的都是100頁，每頁10個，也就是1000條結(jié)果。如果想爬取更豐富的數(shù)據(jù)，肯定是要構(gòu)造每一個相差一天，一直到截止日期的url集合

import scrapy

from scrapy import Request

from ..items import *

import datetime

import re

class WeiboSpiderSpider(scrapy.Spider):

name = 'weibo_spider'

allowed_domains = ['weibo.cn']

# start_urls = ['http://weibo.cn/']

base_url = "https://weibo.cn"

def start_requests(self):

url_format = "https://weibo.cn/search/mblog?hideSearchFrame=&keyword={}&advancedfilter=1&starttime={}&endtime={}&sort=time"

# 搜索的關(guān)鍵詞，可以修改

# keyword = "陰陽師"

keyword = "高考"

# 搜索的起始日期，自行修改 微博的創(chuàng)建日期是2009-08-16 也就是說不要采用這個日期更前面的日期了

date_start = datetime.datetime.strptime("2019-05-20", '%Y-%m-%d')

# 搜索的結(jié)束日期，自行修改

date_end = datetime.datetime.strptime("2019-06-20", '%Y-%m-%d')

time_spread = datetime.timedelta(days=1)

while date_start < date_end:

next_time = date_start + time_spread

url = url_format.format(keyword, date_start.strftime("%Y%m%d"), next_time.strftime("%Y%m%d"))

date_start = next_time

yield Request(url, callback=self.parse_tweet, dont_filter=True)

例如這樣我們爬取 2019-05-20 至 2019-06-20 這一個月關(guān)鍵詞“高考”的微博，構(gòu)造url，從起始日期每天+1天，一天是10*100=1000條結(jié)果，一共是這一個月之間的天數(shù)*1000條結(jié)果。

然后就可以爬取微博數(shù)據(jù)和發(fā)該微博的用戶信息。

小白的學習筆記...

emmmm...

后來，抓取了近3個月，關(guān)鍵詞為“陰陽師”的微博近80000條，用戶50000多個，男女比例1.8：1

根據(jù)微博內(nèi)容生成詞云 (詞云的Github源碼：Ingram7/Mywordcloud)

總結(jié)

以上是生活随笔為你收集整理的scrapy 搜索关键字_Scrapy 新浪微博搜索爬虫的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。