中文说明 | English

WeiboSpider

持续维护的新浪微博爬虫🚀🚀🚀

项目说明

支持爬虫

• 用户信息抓取
• 用户微博抓取(全量/指定时间段)
• 用户社交关系抓取(粉丝/关注)
• 微博评论抓取
• 基于关键词和时间段(粒度到小时)的微博抓取
• 微博转发抓取

字段说明

项目基于weibo.cn站点抓取，抓取的字段非常丰富。具体请移步:数据字段说明

如何使用

拉取项目 && 安装依赖

本项目Python版本为Python3.6

git clone [email protected]:nghuyong/WeiboSpider.git --depth 1 --no-single-branch
cd WeiboSpider
pip install -r requirements.txt

除此之外，还需要安装mongodb.

替换Cookie

访问https://weibo.cn/

登陆账号，打开浏览器的开发者模式，再次刷新

复制weibo.cn这个数据包，network中的cookie值

将weibospider/settings.py中:

DEFAULT_REQUEST_HEADERS = {
    'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10.13; rv:61.0) Gecko/20100101 Firefox/61.0',
    'Cookie':'SCF=AlvwCT3ltiVc36wsKpuvTV8uWF4V1tZ17ms9t-bZCAuiVJKpCsgvvmSdylNE6_4GbqwA_MWvxNgoc0Ks-qbZStc.; OUTFOX_SEARCH_USER_ID_NCOO=1258151803.428431; SUB=_2A25zjTjHDeRhGeBN6VUX9SvEzT-IHXVQjliPrDV6PUJbkdANLUvskW1NRJ24IEPNKfRaplNknl957NryzKEwBmhJ; SUHB=0ftpSdul-YZaMk; _T_WM=76982927613'
}

Cookie字段替换成你自己的Cookie

如果爬虫运行出现403/302，说明账号被封/cookie失效，请重新替换cookie

添加代理IP(可选)

重写fetch_proxy方法，该方法需要返回一个代理ip，具体参考这里

运行程序

可根据自己实际需要重写./weibospider/spiders/*中的start_requests函数

抓取用户信息

cd weibospider
python run_spider.py user

抓取用户粉丝列表

python run_spider.py fan

抓取用户关注列表

python run_spider.py follow

抓取微博评论

python run_spider.py comment

抓取用户的微博(全量)

在./weibospider/spiders/tweet.py中start_requests, urls选择init_url_by_user_id()

python run_spider.py tweet

抓取用户的微博(指定时间段)

在./weibospider/spiders/tweet.py中start_requests, urls选择init_url_by_user_id_and_date()

python run_spider.py tweet

抓取微博转发

python run_spider.py repost