网站制作的地方seo推广技术培训

微博粉丝数据爬取

功能特性

• 🕸️ 智能爬取：自动获取用户粉丝和关注者的详细信息
• 📊 数据导出：将爬取的数据保存为CSV格式
• 📈 批量处理：支持同时爬取多个用户的数据
• 🔧 易于扩展：模块化设计，便于功能扩展

依赖库

import json      # JSON数据解析
import requests  # HTTP请求处理
import csv       # CSV文件操作
import time      # 时间控制
import math      # 数学计算

核心函数详解

1. get_html(url) - 网页内容获取函数

功能说明：
负责发送HTTP请求获取指定URL的页面内容，并实现基本的反爬虫措施。

参数：

• url (str): 要请求的目标URL

返回值：

• str: 返回页面的HTML文本内容

实现细节：

def get_html(url):headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.82 Safari/537.36","Referer": "https://weibo.com"}cookies = {"cookie": "你的Cookie"}response = requests.get(url, headers=headers, cookies=cookies)time.sleep(5)   # 加上5s 的延时防止被反爬return response.text

关键技术点：

• User-Agent：模拟真实浏览器访问
• Referer设置：表明请求来源，增加可信度
• Cookie认证：需要登录后的有效Cookie
• 延时机制：每次请求间隔5秒，避免触发反爬虫

2. save_fans_data(data) - 粉丝数据保存函数

功能说明：
将单个粉丝的数据追加保存到CSV文件中。

参数：

• data (dict): 包含粉丝信息的字典

数据字段：

title = ['uid', 'id', 'screen_name', 'description', 'followers_count', 'friends_count', 'statuses_count', 'gender']

实现逻辑：

def save_fans_data(data):title = ['uid', 'id', 'screen_name', 'description', 'followers_count', 'friends_count', 'statuses_count', 'gender']with open("fans_data.csv", "a", encoding="utf-8", newline="") as fi:fi = csv.writer(fi)fi.writerow([data[k] for k in title])

3. save_followers_data(data) - 关注者数据保存函数

功能说明：
将单个关注者的数据追加保存到CSV文件中，功能与save_fans_data相似。

输出文件：

• 文件名：followers_data.csv
• 编码：UTF-8
• 模式：追加模式（append）

4. get_fans_data(id) - 粉丝数据爬取函数

功能说明：
获取指定用户的所有粉丝信息，支持分页爬取。

参数：

• id (str): 目标用户的微博UID

工作流程：

1. 获取总数量

   url = "https://www.weibo.com/ajax/friendships/friends?relate=fans&page={}&uid={}&type=all&newFollowerCount=0"
   html = get_html(url.format(1, id))
   response = json.loads(html)
   total_number = response['total_number']
   

2. 计算页数并循环爬取

   for page in range(1, math.ceil(total_number/20) + 1):# 每页最多20条数据html = get_html(url.format(page, id))response = json.loads(html)fans_list = response['users']
   

3. 数据提取与保存

   for fan in fans_list:data['uid'] = id                                    # 目标用户IDdata['id'] = fan['id']                             # 粉丝IDdata['screen_name'] = fan['screen_name']           # 粉丝昵称data['description'] = fan['description']           # 个性签名data['gender'] = fan['gender']                     # 性别data['followers_count'] = fan['followers_count']   # 粉丝的粉丝数data['friends_count'] = fan['friends_count']       # 粉丝的关注数data['statuses_count'] = fan['statuses_count']     # 粉丝的微博数save_fans_data(data)
   

5. get_followers_data(id) - 关注者数据爬取函数

功能说明：
获取指定用户关注的所有用户信息，逻辑与粉丝爬取类似。

API接口：

https://www.weibo.com/ajax/friendships/friends?page={}&uid={}

主要差异：

• URL不包含relate=fans参数
• 保存到followers_data.csv文件

数据字段说明

字段名	类型	说明
uid	str	目标用户的微博UID
id	str	粉丝/关注者的微博ID
screen_name	str	粉丝/关注者的昵称
description	str	个性签名
followers_count	int	粉丝数量
friends_count	int	关注数量
statuses_count	int	微博数量
gender	str	性别（m/f/n）

使用方法

1. 环境准备

确保已安装required依赖：

pip install requests

2. 获取Cookie

1. 登录微博网页版
2. 打开浏览器开发者工具（F12）
3. 在Network标签页中找到任意请求
4. 复制Cookie值替换代码中的"你的Cookie"

3. 运行脚本

if __name__ == '__main__':  # 注意：原代码中此处有错误uid = ['2806747565']    # 目标用户UID列表for id in uid:get_fans_data(id)      # 爬取粉丝数据get_followers_data(id) # 爬取关注数据

4. 批量爬取

支持同时爬取多个用户：

uid = ['2806747565', '1234567890', '9876543210']

输出文件

脚本运行后会在同目录下生成两个CSV文件：

• fans_data.csv: 包含所有粉丝的详细信息
• followers_data.csv: 包含所有关注者的详细信息

代码优化建议

1. 错误处理

def get_html(url):try:response = requests.get(url, headers=headers, cookies=cookies, timeout=10)response.raise_for_status()  # 检查HTTP错误return response.textexcept requests.RequestException as e:print(f"请求失败: {e}")return None

2. 配置文件

将Cookie和其他配置项提取到单独的配置文件：

# config.py
COOKIE = "你的Cookie值"
USER_AGENT = "Mozilla/5.0 ..."
DELAY_TIME = 5

3. 进度显示

from tqdm import tqdmfor page in tqdm(range(1, math.ceil(total_number/20) + 1), desc="爬取进度"):# 爬取逻辑

4. 数据去重

def save_fans_data(data):# 检查是否已存在该用户数据if not is_duplicate(data['id']):# 保存数据

注意事项与风险提示

⚠️ 法律合规

• 请遵守相关法律法规和微博平台的使用条款
• 仅用于学习研究目的，不得用于商业用途
• 尊重用户隐私，不得滥用爬取的数据

🛡️ 技术风险

• 账号风险：频繁爬取可能导致账号被限制或封禁
• IP封禁：过于频繁的请求可能导致IP被封
• 数据时效性：用户数据会发生变化，爬取的数据具有时效性

🔧 使用限制

• 需要有效的登录Cookie
• 爬取速度受延时设置影响
• 大量数据爬取需要较长时间

扩展功能建议

1. 数据库存储：将数据保存到MySQL或MongoDB
2. 多线程爬取：提高爬取效率（需注意频率控制）
3. 数据分析：添加粉丝画像分析功能
4. 定时任务：支持定期自动爬取更新
5. 图形界面：开发GUI界面提升用户体验

常见问题解决

Q1: Cookie失效怎么办？

A: 重新登录微博并获取新的Cookie值

Q2: 为什么有些用户爬取不到数据？

A: 可能是用户设置了隐私保护，或者账号已注销

Q3: 如何提高爬取速度？

A: 可以适当减少延时时间，但要注意不要触发反爬虫机制

Q4: 数据量太大怎么办？

A: 可以分批爬取，或者使用数据库而非CSV文件存储

版本信息

• 版本: 1.0.0
• 适用平台: Windows/macOS/Linux
• Python版本: 3.6+
• 最后更新: 2025年6月

---

免责声明: 本工具仅供学习和研究使用，使用者需承担相应的法律责任。作者不对因使用本工具而产生的任何后果负责。