新浪微博爬虫功能包括爬取用户信息关注粉丝爬取超级话题用户及粉丝相关信息

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

新浪微博爬虫功能包括爬取用户信息关注粉丝爬取超级话题用户及粉丝相关信息新浪微博爬虫，功能包括：爬取用户信息、关注、粉丝，爬取超级话题用户及粉丝相关信息


新浪微博爬虫功能包括爬取用户信息关注粉丝爬取超级话题用户及粉丝相关信息.zip (4.09 MB, 需要: RMB 19 元)

2023-11-28 21:53:51 上传

需要: RMB 19 元  [购买]

# SinaWeiboSpider
新浪微博爬虫，功能包括：爬取用户信息、关注、粉丝，爬取超级话题用户及粉丝相关信息

示例：爬取“创造101”超级话题#聚众赏花#的用户与粉丝信息

## 实现框架及细节

1)  获取微博cookie，模拟登录
在爬取微博网页的时候，需要模拟登录状态，因此需要获取微博登录的cookie。为了防止因访问过于频繁而被封，我注册了八个微博账号，轮流爬取微博网页。由于cookie可能会过期，所以在开始爬取网页前需要先运行redis_cookies.py来获取当时的微博cookie。

2)  初始化任务
在实现过程中，我利用asyncio和redis模块实现了多线程异步IO，其中asyncio是python的多线程模块，而redis则是一个key-value数据库，用于存储网页url和相应的任务名。
针对超级话题用户的爬虫任务，在初始化的时候将指定页数（默认为500页）的网页URL push到Redis中，任务名为topic。
针对超级话题粉丝的爬虫任务，在初始化的时候将指定页数（默认为500页）的网页URL push到Redis中，任务名为superfan。

3)  Kafka和爬虫
在爬虫爬取过程中，利用Redis实现类似栈的push和pop过程，在不同的任务中pop出指定任务名的网页URL，用户信息任务名为user，关注列表任务名为follower，粉丝列表任务名为fan。
在记录爬虫爬取到的内容的过程中，我使用了分布式消息系统Kafka，Kafka的结构图

在解析json文件获取到相应信息后，在weiboasync.py中由producer将数据发至指定topic的broker中，后在consumer.py中由consumer从指定topic的broker中获得相应数据存储成json文件，以供后续数据分析。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：新浪微博 Consumer producer Follower Produce