这是一个创建于 1397 天前的主题，其中的信息可能已经有所发展或是发生改变。
hello，小伙伴们，大家好，今天给大家分享的开源项目是：weiboSpider，看名字也可以猜到这个项目是做什么的了！没错，这个开源项目就是采集新浪微博一个或多个用户（如：胡歌、迪丽热巴、郭碧婷）数据，并将结果信息写入文件或数据库，写入信息几乎包括用户微博的所有数据，包括用户信息和微博信息两大类。这个开源项目需设置 cookie 来获取微博访问权限，后面会讲解如何获取 cookie 。如果不想设置 cookie，可以使用免 cookie 版，二者功能类似。
具体的写入文件类型如下：
- 写入 txt 文件（默认）
- 写入 csv 文件（默认）
- 写入 json 文件（可选）
- 写入 MySQL 数据库（可选）
- 写入 MongoDB 数据库（可选）
- 下载用户原创微博中的原始图片（可选）
- 下载用户转发微博中的原始图片（免 cookie 版特有）
- 下载用户原创微博中的视频（可选）
- 下载用户转发微博中的视频（免 cookie 版特有）
- 下载用户原创微博 Live Photo 中的视频（免 cookie 版特有）
- 下载用户转发微博 Live Photo 中的视频（免 cookie 版特有）
项目列表
自定义字段
本部分为爬取到的字段信息说明，为了与免 cookie 版区分，下面将两者爬取到的信息都列出来。如果是免 cookie 版所特有的信息，会有免 cookie 标注，没有标注的为二者共有的信息。
用户信息
- 用户 id：微博用户 id，如"1669879400"，其实这个字段本来就是已知字段
- 昵称：用户昵称，如"Dear-迪丽热巴"
- 性别：微博用户性别
- 生日：用户出生日期
- 所在地：用户所在地
- 学习经历：用户上学时学校的名字和时间
- 工作经历：用户所属公司名字和时间
- 阳光信用（免 cookie 版）：用户的阳光信用
- 微博注册时间（免 cookie 版）：用户微博注册日期
- 微博数：用户的全部微博数（转发微博+原创微博）
- 关注数：用户关注的微博数量
- 粉丝数：用户的粉丝数
- 简介：用户简介
- 主页地址（免 cookie 版）：微博移动版主页 url
- 头像 url （免 cookie 版）：用户头像 url
- 高清头像 url （免 cookie 版）：用户高清头像 url
- 微博等级（免 cookie 版）：用户微博等级
- 会员等级（免 cookie 版）：微博会员用户等级，普通用户该等级为 0
- 是否认证（免 cookie 版）：用户是否认证，为布尔类型
- 认证类型（免 cookie 版）：用户认证类型，如个人认证、企业认证、政府认证等
- 认证信息：为认证用户特有，用户信息栏显示的认证信息
微博信息
- 微博 id：微博唯一标志
- 微博内容：微博正文
- 头条文章 url：微博中头条文章的 url，若微博中不存在头条文章，则值为''
- 原始图片 url：原创微博图片和转发微博转发理由中图片的 url，若某条微博存在多张图片，每个 url 以英文逗号分隔，若没有图片则值为"无"
- 视频 url: 微博中的视频 url，若微博中没有视频，则值为"无"
- 微博发布位置：位置微博中的发布位置
- 微博发布时间：微博发布时的时间，精确到分
- 点赞数：微博被赞的数量
- 转发数：微博被转发的数量
- 评论数：微博被评论的数量
- 微博发布工具：微博的发布工具，如 iPhone 客户端、HUAWEI Mate 20 Pro 等
- 结果文件：保存在当前目录 weibo 文件夹下以用户昵称为名的文件夹里，名字为"user_id.csv"和"user_id.txt"的形式
- 微博图片：原创微博中的图片和转发微博转发理由中的图片，保存在以用户昵称为名的文件夹下的 img 文件夹里
- 微博视频：原创微博中的视频，保存在以用户昵称为名的文件夹下的 video 文件夹里
- 微博 bid （免 cookie 版）：为免 cookie 版所特有，与本程序中的微博 id 是同一个值
- 话题（免 cookie 版）：微博话题，即两个#中的内容，若存在多个话题，每个 url 以英文逗号分隔，若没有则值为''
- @用户（免 cookie 版）：微博 @的用户，若存在多个 @用户，每个 url 以英文逗号分隔，若没有则值为''
- 原始微博（免 cookie 版）：为转发微博所特有，是转发微博中那条被转发的微博，存储为字典形式，包含了上述微博信息中的所有内容，如微博 id 、微博内容等等
运行环境
- 开发语言：python2/python3
- 系统：Windows/Linux/macOS
部署项目
源码安装
$ git clone https://github.com/dataabc/weiboSpider.git
$ cd weiboSpider
$ pip install -r requirements.txt
或者
$ python3 -m pip install weibo-spider
运行程序
源码安装的用户可以在 weiboSpider 目录运行如下命令，pip 安装的用户可以在任意有写权限的目录运行如下命令
$ python3 -m weibo_spider
第一次执行，会自动在当前目录创建 config.json 配置文件，配置好后执行同样的命令就可以获取微博了。如果你已经有 config.json 文件了，也可以通过 config_path 参数配置 config.json 路径，运行程序，命令行如下：
$ python3 -m weibo_spider --config_path="config.json"
个性化定制程序（可选）
本部分为可选部分，如果不需要个性化定制程序或添加新功能，可以忽略此部分。
本程序主体代码位于 weibo_spider.py 文件，程序主体是一个 Spider 类，上述所有功能都是通过在 main 函数调用 Spider 类实现的，默认的调用代码如下：
config = get_config()
wb = Spider(config)
wb.start() # 爬取微博信息
用户可以按照自己的需求调用或修改 Spider 类。通过执行本程序，我们可以得到很多信息。
定期自动爬取微博（可选）
要想让程序每个一段时间自动爬取，且爬取的内容为新增加的内容（不包括已经获取的微博），请查看定期自动爬取微博。
如何获取 cookie
要了解获取 cookie 方法，请查看cookie 文档。
如何获取 user_id
要了解获取 user_id 方法，请查看user_id 文档，该文档介绍了如何获取一个及多个微博用户 user_id 的方法。
开源地址： https://github.com/dataabc/weiboSpider
感兴趣的老铁不防去应用一下，一来可以参考一下作者的编码风格，二来对刚刚入门或者是入门不久的朋友提供一个采集数据的思路。
今天的推荐不知道大家喜不喜欢？如果大家喜欢话，请在文章底部留言或点赞，以表示对我的支持，你们的留言，点赞，转发关注是我持续更新的动力，peace ！
关注公众号回复："1024"，免费领取一大波学习资源，先到先得哦！
目前尚无回复
Select Language