本帖最后由 CloudWorld 于 2022-2-23 11:16 编辑
微博动态图片爬取
地址 https://m.weibo.cn/
初次接触微博的api，因此针对性的获取到三个api，目前不知道是否为最短路径
源代码贴在最后
步骤：
1. 模拟搜索用户
GET
api ：https://m.weibo.cn/api/container/getIndex?containerid=100103type=1&q=半半子&page_type=searchall
1.1 对api内参数进行处理
containerid=100103type=1&q=半半子 ——> containerid=100103type%3D1%26q%3D%E5%8D%8A%E5%8D%8A%E5%AD%90_
这个参数需要提前转码，否则无法获取数据
1.2 对用户名进行判断，通过后提取uid
1. 模拟搜索用户
2. 获取more参数
GET
api : https://m.weibo.cn/profile/info?uid=2830125342
2.1 提取并处理more参数
2. 获取more参数
3. 循环提取图片id
GET
api : https://m.weibo.cn/api/container/getIndex?containerid=2304132830125342_-_WEIBO_SECOND_PROFILE_WEIBO&page_type=03&page=1
3.1 提取图片id——>pic_id
3.2 获取发送图片用户
3.3 根据动态创建时间生成用户唯一识别码
3. 循环提取图片id
4. 下载图片
url :https://wx2.sinaimg.cn/large/pic_id.jpg （直接贴会显示下载图片）
4.1 文件名 用户名_日期(年月日时分秒)_编号.jpg 例:半半子__20220212120146_1.jpg
下载图片
下载结果
[Python] 纯文本查看 复制代码 import os
import sys
import time
from urllib.parse import quote
import requests
headers = {
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/95.0.4638.69 Safari/537.36'
}
def time_to_str(c_at):
ti = time.strptime(c_at, '%a %b %d %H:%M:%S +0800 %Y')
time_str = time.strftime('%Y%m%d%H%M%S', ti)
return time_str
# 1. 搜索用户，获取uid
# 2. 通过uid获取空间动态关键参数
# 3. 获取动态内容
# 4. 提取图片参数
# 5. 下载图片
# 1. 搜索用户，获取uid
# ========= 用户名 =========
# 输入不同的用户名可切换下载的用户图片
# 用户名需要完全匹配
name = '半半子_'
# =========================
con_id = f'100103type=1&q={name}'
# 这个条件需要转码
con_id = quote(con_id, 'utf-8')
user_url = f'https://m.weibo.cn/api/container/getIndex?containerid={con_id}&page_type=searchall'
user_json = requests.get(url=user_url, headers=headers).json()
user_cards = user_json['data']['cards']
for card_num in range(len(user_cards)):
if 'mblog' in user_cards[card_num]:
if user_cards[card_num]['mblog']['user']['screen_name'] == name:
print(f'正在获取{name}的空间')
# 2. 通过uid获取空间动态关键参数
user_id = user_cards[card_num]['mblog']['user']['id']
info_url = f'https://m.weibo.cn/profile/info?uid={user_id}'
info_json = requests.get(url=info_url, headers=headers).json()
more_card = info_json['data']['more'].split("/")[-1]
break
file_name = 'weibo'
if not os.path.exists(file_name):
os.mkdir(file_name)
if len(more_card) == 0:
sys.exit()
page_type = '03'
page = 0
while True:
# 3. 获取动态内容
page += 1
url = f'https://m.weibo.cn/api/container/getIndex?containerid={more_card}&page_type={page_type}&page={page}'
param = requests.get(url=url, headers=headers).json()
cards = param['data']['cards']
print(f'第 {page} 页')
for i in range(len(cards)):
card = cards[i]
if card['card_type'] != 9:
continue
mb_log = card['mblog']
# 4. 提取图片参数
# 获取本人的图片
pic_ids = mb_log['pic_ids']
user_name = mb_log['user']['screen_name']
created_at = mb_log['created_at']
if len(pic_ids) == 0:
# 获取转发的图片
if 'retweeted_status' not in mb_log:
continue
if 'pic_ids' not in mb_log['retweeted_status']:
continue
pic_ids = mb_log['retweeted_status']['pic_ids']
user_name = mb_log['retweeted_status']['user']['screen_name']
created_at = mb_log['retweeted_status']['created_at']
time_name = time_to_str(created_at)
pic_num = 1
print(f'======== {user_name} ========')
# 5. 下载图片
for pic_id in pic_ids:
pic_url = f'https://wx2.sinaimg.cn/large/{pic_id}.jpg'
pic_data = requests.get(pic_url, headers)
# 文件名 用户名_日期(年月日时分秒)_编号.jpg
# 例:半半子__20220212120146_1.jpg
with open(f'{file_name}/{user_name}_{time_name}_{pic_num}.jpg', mode='wb') as f:
f.write(pic_data.content)
print(f' 正在下载：{pic_id}.jpg')
pic_num += 1
time.sleep(2)
2022年2月23日 更新：
1. 新增 uid 下载模式
2. 优化用户名下载方式
3. 将源代码进行打包成exe模式
exe及源代码 https://wwa.lanzoul.com/iHWu000hlwbc
没有系统的学过python，代码不规范之处请见谅
| 
[复制链接]
发表于 2022-2-18 10:44
|
发表于 2022-2-23 11:20
