怎么在python中利用selenium對微博內容進行爬取

這篇文章將為大家詳細講解有關怎么在python中利用selenium對微博內容進行爬取，文章內容質量較高，因此小編分享給大家做個參考，希望大家閱讀完這篇文章后對相關知識有一定的了解。

使用的庫

import requests
from selenium.webdriver import Chrome, ChromeOptions
import time
from sqlalchemy import create_engine
import pandas as pd

目標分析

這是微博熱搜的link：點我可以到目標網頁

首先我們使用selenium對目標網頁進行請求
然后我們使用xpath對網頁元素進行定位，遍歷獲得所有數據
然后使用pandas生成一個Dataframe對像，直接存入數據庫

一：得到數據

我們看到，使用xpath可以得到51條數據，這就是各熱搜，從中我們可以拿到鏈接和標題內容

all = browser.find_elements_by_xpath('//*[@id="pl_top_realtimehot"]/table/tbody/tr/td[2]/a') #得到所有數據
	context = [i.text for i in c] # 得到標題內容
  links = [i.get_attribute('href') for i in c] # 得到link

然后我們再使用zip函數，將date，context，links合并
zip函數是將幾個列表合成一個列表，并且按index對分列表的數據合并成一個元組，這個可以生產pandas對象。

dc = zip(dates, context, links)
  pdf = pd.DataFrame(dc, columns=['date', 'hotsearch', 'link'])

其中date可以使用time模塊獲得

二：鏈接數據庫

這個很容易

enging = create_engine("mysql+pymysql://root:123456@localhost:3306/webo?charset=utf8")
pdf.to_sql(name='infromation', con=enging, if_exists="append")

總代碼

from selenium.webdriver import Chrome, ChromeOptions
import time
from sqlalchemy import create_engine
import pandas as pd

def get_data():
  url = r"https://s.weibo.com/top/summary" # 微博的地址
  option = ChromeOptions()
  option.add_argument('--headless')
  option.add_argument("--no-sandbox")
  browser = Chrome(options=option)
  browser.get(url)
  all = browser.find_elements_by_xpath('//*[@id="pl_top_realtimehot"]/table/tbody/tr/td[2]/a')
  context = [i.text for i in all]
  links = [i.get_attribute('href') for i in all]
  date = time.strftime("%Y-%m-%d-%H_%M_%S", time.localtime())
  dates = []
  for i in range(len(context)):
    dates.append(date)
  # print(len(dates),len(context),dates,context)
  dc = zip(dates, context, links)
  pdf = pd.DataFrame(dc, columns=['date', 'hotsearch', 'link'])
  # pdf.to_sql(name=in, con=enging, if_exists="append")
  return pdf

def w_mysql(pdf):
  try:
    enging = create_engine("mysql+pymysql://root:123456@localhost:3306/webo?charset=utf8")
    pdf.to_sql(name='infromation', con=enging, if_exists="append")
  except:
    print('出錯了')

if __name__ == '__main__':
  xx = get_data()
  w_mysql(xx)

關于怎么在python中利用selenium對微博內容進行爬取就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。