当前位置：首页 > news >正文

【爬虫工具】2025微博采集软件，根据搜索关键词批量爬帖子，突破50页限制！

news 2025/8/11 19:09:13

文章目录

一、背景分析
- 1.1 开发背景
- 1.2 软件界面
- 1.3 结果展示
- 1.4 软件说明
二、主要技术
- 2.1 模块分工
- 2.2 部分代码
三、使用介绍
- 3.0 填写cookie
- 3.1 软件登录
- 3.2 采集wb帖子
四、演示视频
五、软件首发

本工具仅限学术交流使用，严格遵循相关法律法规，符合平台内容的合法及合规性，禁止用于任何商业用途！

一、背景分析

1.1 开发背景

微博是国内非常流行的社交媒体平台，内容主要以文字和图片为主，在实时性和KOL关注热度方面尤为突出。广大网友在平台上大量输出自己的观点、看法，组成了一个活跃度极高的社区群体。同时，我本人也发现，每次热点事件爆发的时候，热搜也是所有媒体平台里最先曝光的平台（其他平台或多或少都有一些延迟）

基于此，我用python开发了一个爬虫采集软件，叫【爬微博搜索软件】，下面详细介绍。

1.2 软件界面

软件界面，如下：

软件运行中

1.3 结果展示

爬取结果：（截图中展示的就是全部字段了）

爬取结果

1.4 软件说明

几点重要说明，请详读了解：

1. Windows用户可直接双击打开使用，无需Python运行环境，非常方便！
2. 软件通过爬虫程序爬取，经本人专门测试，运行持久，稳定性较高！
3. 先在cookie.txt中填入自己的cookie值，方便重复使用（内附cookie获取方法）
4. 支持多个关键词串行爬取
5. 支持按时间段范围采集贴子
6. 爬取过程中，每爬一页，存一次csv。并非爬完最后一次性保存！防止因异常中断导致丢失前面的数据（每条间隔1~2s）
7. 爬取过程中，有log文件详细记录运行过程，方便回溯 
8. 结果csv含11个字段，有：关键词,页码,围脖id,围脖链接,用户昵称,用户主页链接,发布时间,转发数,评论数,点赞数,围脖内容。

以上是现有功能，软件版本持续更新中。

二、主要技术

2.1 模块分工

软件全部模块采用python语言开发，主要分工如下：

tkinter：GUI软件界面
requests：爬虫请求
BeautifulSoup：解析响应数据
pandas：保存csv结果、数据清洗
logging：日志记录

出于版权考虑，暂不公开源码，仅向用户提供软件使用。

2.2 部分代码

部分代码实现：

发送请求并解析数据：

# 发送请求
r = requests.get(url, headers=h1, params=params)
# 解析数据
soup = BS(r.text, 'html.parser')

解析链接：

# weibo链接
wb_url = 'https:' + item.find('div', {'class': 'from'}).find('a').get('href')
wb_url_list.append(wb_url)

保存结果数据到csv文件：

# 保存数据
df = pd.DataFrame({'关键词': kw,'页码': page,'围脖id': id_list,'围脖链接': wb_url_list,'用户昵称': name_list,'用户主页链接': user_link_list,'发布时间': create_time_list,'转发数': repost_count_list,'评论数': comment_count_list,'点赞数': like_count_list,'围脖内容': text_list,}
)
# 保存csv文件
df.to_csv(self.result_file, mode='a+', index=False, header=header, encoding='utf_8_sig')
self.tk_show('结果保存成功:{}'.format(self.result_file))

软件界面底部版权：

# 版权信息
copyright = tk.Label(root, text='@马哥python说 All rights reserved.', font=('仿宋', 10), fg='grey')
copyright.place(x=290, y=625)

日志模块：

def get_logger(self):self.logger = logging.getLogger(__name__)# 日志格式formatter = '[%(asctime)s-%(filename)s][%(funcName)s-%(lineno)d]--%(message)s'# 日志级别self.logger.setLevel(logging.DEBUG)# 控制台日志sh = logging.StreamHandler()log_formatter = logging.Formatter(formatter, datefmt='%Y-%m-%d %H:%M:%S')# info日志文件名info_file_name = time.strftime("%Y-%m-%d") + '.log'# 将其保存到特定目录case_dir = r'./logs/'info_handler = TimedRotatingFileHandler(filename=case_dir + info_file_name,when='MIDNIGHT',interval=1,backupCount=7,encoding='utf-8')