Selenium简介与安装
Selenium是什么？
Selenium也是一个用于Web应用程序测试的工具。Selenium测试直接运行在浏览器中，就像真正的用户在操作一样。支持的浏览器包括IE、Mozilla Firefox、Mozilla Suite等。
安装
直接使用pip命令安装即可！
|
1
|
pip install selenium |
Python抓取微博有两种方式，一是通过selenium自动登录后从页面直接爬取，二是通过api。
这里采用selenium的方式。
程序：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
|
from selenium import webdriverimport timeimport re#全局变量driver = webdriver.Chrome("C:\Program Files (x86)\Google\Chrome\Application\chromedriver.exe")def loginWeibo(username, password): driver.get('https://passport.weibo.cn/signin/login') time.sleep(1) driver.find_element_by_id("loginName").send_keys("haishu_zheng@163.com") driver.find_element_by_id("loginPassword").send_keys("Weibo01061122") time.sleep(1) driver.find_element_by_id("loginAction").click() #driver.close() def visitUserPage(userId): driver.get('http://weibo.cn/' + userId) print('********************') print('用户资料') # 1.用户id print('用户id:' + userId) # 2.用户昵称 strName = driver.find_element_by_xpath("//div[@class='ut']") strlist = strName.text.split(' ') nickname = strlist[0] print('昵称:' + nickname) # 3.微博数、粉丝数、关注数 strCnt = driver.find_element_by_xpath("//div[@class='tip2']") pattern = r"\d+\.?\d*" # 匹配数字，包含整数和小数 cntArr = re.findall(pattern, strCnt.text) print(strCnt.text) print("微博数：" + str(cntArr[0])) print("关注数：" + str(cntArr[1])) print("粉丝数：" + str(cntArr[2])) print('\n********************') # 4.将用户信息写到文件里 with open("weibo.txt", "w", encoding = "gb18030") as file: file.write("用户ID：" + userId + '\r\n') file.write("昵称：" + nickname + '\r\n') file.write("微博数：" + str(cntArr[0]) + '\r\n') file.write("关注数：" + str(cntArr[1]) + '\r\n') file.write("粉丝数：" + str(cntArr[2]) + '\r\n') # 5.获取微博内容 # http://weibo.cn/ + userId + ? filter=0&page=1 # filter为0表示全部，为1表示原创 print("微博内容") pageList = driver.find_element_by_xpath("//div[@class='pa']") print(pageList.text) pattern = r"\d+\d*" # 匹配数字，只包含整数 pageArr = re.findall(pattern, pageList.text) totalPages = pageArr[1] # 总共有多少页微博 print(totalPages) pageNum = 1 # 第几页 numInCurPage = 1 # 当前页的第几条微博内容 contentPath = "//div[@class='c'][{0}]" while(pageNum <= 3): #while(pageNum <= int(totalPages)): contentUrl = "http://weibo.cn/" + userId + "?filter=0&page=" + str(pageNum) driver.get(contentUrl) content = driver.find_element_by_xpath(contentPath.format(numInCurPage)).text # print("\n" + content) # 微博内容，包含原创和转发 if "设置:皮肤.图片.条数.隐私" not in content: numInCurPage += 1 with open("weibo.txt", "a", encoding = "gb18030") as file: file.write("\r\n" + "\r\n" + content) # 将微博内容逐条写到weibo.txt中 else: pageNum += 1 # 抓取新一页的内容 numInCurPage = 1 # 每一页都是从第1条开始抓 if __name__ == '__main__': username = 'haishu_zheng@163.com' # 输入微博账号 password = 'Weibo01061122' # 输入密码 loginWeibo(username, password) # 要先登录，否则抓取不了微博内容 time.sleep(3) uid = 'xywyw' # 寻医问药 visitUserPage(uid) |
运行结果：
同时还生成了weibo.txt文件，内容如下
这种方法有个缺陷，就是爬取较多内容会被封IP：
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持服务器之家。
原文链接：https://www.jianshu.com/p/bc681b05312f
