-
-
江湖人称潇洒哥 数据达人Lv4
发表于2018-8-16 21:57
楼主
前言
今天继续APP爬虫，今天爬取的是微博榜单（24小时榜）的数据，采集的字段有：
- 用户id
- 用户地区
- 用户性别
- 用户粉丝
- 微博内容
- 发布时间
- 转发、评论和点赞量
该文分以下内容：
- 爬虫代码
- 用户分析
- 微博分析
爬虫代码import requests import json import re import time import csv headers = { 'Host': 'api.weibo.cn', 'Connection': 'keep-alive', 'User-Agent': 'Weibo/29278 (iPhone; iOS 11.4.1; Scale/2.00)' } f = open('1.csv','w+',encoding='utf-8',newline='') writer = csv.writer(f) writer.writerow(['user_id','user_location','user_gender','user_follower','text','created_time','reposts_count','comments_count','attitudes_count']) def get_info(url): res = requests.get(url,headers=headers) print(url) datas = re.findall('"mblog"
.*?),"weibo_position"',res.text,re.S) for data in datas: json_data = json.loads(data+'}') user_id = json_data['user']['name'] user_location = json_data['user']['location'] user_gender = json_data['user']['gender'] user_follower = json_data['user']['followers_count'] text = json_data['text'] created_time = json_data['created_at'] reposts_count = json_data['reposts_count'] comments_count = json_data['comments_count'] attitudes_count = json_data['attitudes_count'] print(user_id,user_location,user_gender,user_follower,text,created_time,reposts_count,comments_count,attitudes_count) writer.writerow([user_id,user_location,user_gender,user_follower,text,created_time,reposts_count,comments_count,attitudes_count]) time.sleep(5) if>
接着对地区进行数据处理，进行统计。可以看出，位于北京的用户是最多的（大V都在北京）。
df['location'] = df['user_location'].str.split(' ').str[0]
接下来看下用户的性别比例：男性用户占多。
最后再看看上榜大V粉丝前十：
微博分析
首先，对时间数据进行处理，取出小时时间段。
接着，我们看看微博点赞前十的用户。
最后，绘制微博文章词云图。
