Python微博抓取
萝卜大杂烩 人气:0前言
在前面的分享中,我们制作了一个天眼查 GUI 程序,今天我们在这个的基础上,继续开发新的功能,微博抓取工具,先来看下最终的效果
整体的界面还是继承自上次的天眼查界面,我们直接来看相关功能
微博功能布局
我们整体的界面布局就是左侧可以选择不同功能,然后右侧的界面会对应改变
创建微博 Widget
对于右侧界面的切换,我们可以为不同的功能创建不同的 Widget,当点击左侧不同功能按钮后,对应切换 Widget 即可
我们新建一个 weibo 相关的函数,主要用来界面布局
def weiboWidget(self): self.left_button_widget_3 = QtWidgets.QWidget() self.weiboWebEngine = QWebEngineView() self.weiboWebEngine2 = QWebEngineView() self.progressWidget = QtWidgets.QWidget() self.ciyunWidget = QtWidgets.QWidget()
我们还看到整体界面有一个词云,该词云是通过 matplotlib 渲染的,所以还需要创建 matplotlib 布局
# matplotlib 绘图区域 self.figure = plt.figure(figsize=(7, 2)) self.canvas = FigureCanvasQTAgg(self.figure) # 绘图区域放到图层canvas之中 self.gridLayout_weibo.addWidget(self.canvas, 5, 0, 1, 9) # 图层放到pyqt布局之中
创建微博查询
接下来我们创建一个微博查询函数,同时因为我们这里需要实时更新抓取进度条,所以使用了多线程的方式
def doWeiboQuery(self): weibo_link = self.lineEdit_weibo_link.text() weibo_name = self.lineEdit_weibo_name.text() weibo_page = self.weibo_comboBox.currentText() if not weibo_link or not weibo_name: QMessageBox.information(self, "Error", "微博链接或者用户名称不能为空", QMessageBox.Yes) return self.weiboWebEngine.load(QUrl(weibo_link)) self.qth = WeiBoQueryThread() self.qth.update_data.connect(self.weiboPgbUpdate) self.qth.draw_ciyun.connect(self.drawCiyun) self.qth.weibo_page = weibo_page self.qth.weibo_link = weibo_link self.qth.weibo_name = weibo_name self.qth.start()
而主线程与子线程之间的通信,是使用信号槽的形式
def weiboPgbUpdate(self, data): self.pgb.setValue(data) def drawCiyun(self): self.canvas.draw() self.toolbar = NavigationToolbar2QT(self.canvas, self) self.gridLayout_weibo.addWidget(self.toolbar, 8, 0, 1, 9)
接下来就是创建子进程函数,函数主体是爬取微博的代码
"""子进程微博查询""" class WeiBoQueryThread(QThread): # 创建一个信号,触发时传递当前时间给槽函数 update_data = pyqtSignal(int) draw_ciyun = pyqtSignal() weibo_name = None weibo_link = None weibo_page = None total_pv = 0 timestamp = str(int(time.time())) def run(self): # 微博爬虫 try: file_name = self.weibo_name + "_" + self.timestamp + 'comment.csv' my_weibo = weibo_interface.Weibo(self.weibo_name) uid, blog_info = my_weibo.weibo_info(self.weibo_link) pv_max = int(self.weibo_page) pre_pv = 100 // pv_max for i in range(int(self.weibo_page)): my_weibo.weibo_comment(uid, blog_info, str(i), file_name) self.total_pv += pre_pv self.update_data.emit(self.total_pv) print("所有微博评论爬取完成!") print("开始生成词云") font, img_array, STOPWORDS, words = ciyun(file_name) wc = WordCloud(width=2000, height=1800, background_color='white', font_path=font, mask=img_array, stopwords=STOPWORDS, contour_width=3, contour_color='steelblue').generate(words) plt.imshow(wc) plt.axis("off") self.draw_ciyun.emit() print("生成词云完成") except Exception as e: print(e)
而对于微博的具体爬取方法,这里就不再展开说明了,我是把所有微博爬虫的代码都封装好了,这里直接调用暴露的接口即可
词云制作
对于词云的制作,我们还是先通过 jieba 进行分词处理,然后使用 wordcloud 库生成词云即可
# 词云相关 def ciyun(file, without_english=True): font = r'C:\Windows\Fonts\FZSTK.TTF' STOPWORDS = {"回复", "@", "我", "她", "你", "他", "了", "的", "吧", "吗", "在", "啊", "不", "也", "还", "是", "说", "都", "就", "没", "做", "人", "赵薇", "被", "不是", "现在", "什么", "这", "呢", "知道", "邓"} df = pd.read_csv(file, usecols=[0]) df_copy = df.copy() df_copy['comment'] = df_copy['comment'].apply(lambda x: str(x).split()) # 去掉空格 df_list = df_copy.values.tolist() comment = jieba.cut(str(df_list), cut_all=False) words = ' '.join(comment) if without_english: words = re.sub('[a-zA-Z]', '', words) img = Image.open('ciyun.png') img_array = np.array(img) return font, img_array, STOPWORDS, words
由于很多评论当中会存在链接信息,导致制作的词云有很多高权重的英文字符,所有这里也通过正则进行了去英文字符处理
至此,我们这个微博查询功能就完成了~
结果展示
下面我们来看看最终的效果吧
加载全部内容