Python有趣|微博榜单爬虫，尽知天下事（内附python学习教程）
项目背景
大家对于网页的数据爬虫了解的已经很多了，这次爬取APP端的数据。之前我也讲解过APP爬虫，但是没有讲解过Fiddler的配置和使用。这次以微博榜单为案例，介绍APP爬虫流程和数据的可视化（数据为2019年2月28号采集）。整个项目流程如下图所示：
环境配置
首先，在网上下载Fiddler软件，这个和普通的软件安装一样，这里就不详细讲解了。
接着，我们打开Fiddler软件，进行配置，打开tools-options，进行如下的设置。
- 选中"Decrpt HTTPS traffic", Fiddler就可以截获HTTPS请求；
- 选中"Allow remote computers to connect". 是允许别的机器把HTTP/HTTPS请求发送到Fiddler上来。
设置完记得重启软件~
为了让Fiddler截取手机的包，需要让手机和电脑在同一个ip下，在电脑端的cmd中输入:ipconfig，获取电脑ip地址。
接着打开手机（以IPhone为例），打开wifi，配置代理，这里的代理就是上图我们查询的ip地址，8888为端口号。
最后，在手机浏览器输入http://192.168.0.144:8888，点击下载证书，IPhone最后还需要在设置中信任证书，这样就可以用Fiddler抓取手机的包啦。
找包
我们打开Fiddler找包，发现这是一个POST请求，下面就是请求的参数，max_id改变就是换页。
爬虫代码
这样，我们就可以写出完整代码了。
import requests
import json
import csv
import time
fp = open('weibo.csv','w',newline='',encoding='utf-8')
writer = csv.writer(fp)
writer.writerow(['user','location','gender','followers','text','created_time','comments','good'])
url = 'https://api.weibo.cn/2/statuses/unread_hot_timeline?gsid=_2A25xXl6mDeRxGeNM41oV-S_MzDSIHXVQStVurDV6PUJbkdANLVTwkWpNSf8_0kSaOWZtWP9k_mbYuGWoJ6k7Z2E_&sensors_mark=0&wm=3333_2001&i=b9f7194&sensors_is_first_day=false&from=1092093010&b=0&c=iphone&networktype=wifi&skin=default&v_p=71&s=a8064444&v_f=1&sensors_device_id=1962A632-B40D-4337-A4C6-3F9AB979B517&lang=zh_CN&sflag=1&ua=iPhone8,1__weibo__9.2.0__iphone__os12.1.4&ft=11&aid=01AuxGxLabPA7Vzz8ZXBUpkeJqWbJ1woycR3lFBdLhoxgQC1I.&cum=21171544'
headers = {
'Host': 'api.weibo.cn',
'Content-Type':'application/x-www-form-urlencoded; charset=utf-8',
'User-Agent': 'Weibo/29278 (iPhone; iOS 11.4.1; Scale/2.00)'
}
params = ['max_id={}'.format(str(i)) for i in range(1,16)]
for param in params:
res = requests.post(url,headers=headers,data=param)
json_data = json.loads(res.text)
statuses = json_data['statuses']
for statuse in statuses:
user = statuse['user']['name']
location = statuse['user']['location']
gender = statuse['user']['gender']
followers = statuse['user']['followers_count']
text = statuse['text']
created_time = statuse['created_at']
comments = statuse['comments_count']
good = statuse['attitudes_count']
print(user,location,gender,followers,text,created_time,comments,good)
writer.writerow([user,location,gender,followers,text,created_time,comments,good])
time.sleep(2)
榜单分析
上榜明星，通过对用户昵称计数，看看哪些用户上榜最多。上榜的大多是明星和娱乐号主。
地区分布，上榜的地区分布，可以看出大部分都来自北上广，然后海外用户也是有很多的（有些明星是外籍）。
地区分布情况.png
性别分布，男性和女性分布较平均，男性更多一些~
榜单发布时间和词云图，可以看出，晚上8点是个高峰期，这个点刚好下班吃瓜。
下面是为初学者们准备的python电子书籍资料和python入门教程！
