本文實例講述了Python實現爬取馬云的微博功能。分享給大家供大家參考，具體如下：

分析請求

我們打開 Ajax 的 XHR 過濾器，然后一直滑動頁面加載新的微博內容，可以看到會不斷有Ajax請求發出。

我們選定其中一個請求來分析一下它的參數信息，點擊該請求進入詳情頁面，如圖所示：

可以發現這是一個 GET 請求，請求的參數有 6 個：display、retcode、type、value、containerid 和 page，觀察這些請求可以發現只有 page 在變化，很明顯 page 是用來控制分頁的。

分析響應

如圖所示：

它是一個 Json 格式，瀏覽器開發者工具自動為做了解析方便我們查看，可以看到最關鍵的兩部分信息就是 cardlistInfo 和 cards，將二者展開，cardlistInfo 里面包含了一個比較重要的信息就是 total，經過觀察后發現其實它是微博的總數量，我們可以根據這個數字來估算出分頁的數目。

發現它又有一個比較重要的字段，叫做 mblog，繼續把它展開，發現它包含的正是微博的一些信息。比如 attitudes_count 贊數目、comments_count 評論數目、reposts_count 轉發數目、created_at 發布時間、text 微博正文等等，得來全不費功夫，而且都是一些格式化的內容，所以我們提取信息也更加方便了。

這樣我們可以請求一個接口就得到 10 條微博，而且請求的時候只需要改變 page 參數即可。這樣我們只需要簡單做一個循環就可以獲取到所有的微博了。

實戰演練

在這里我們就開始用程序來模擬這些 Ajax 請求，將馬云的所有微博全部爬取下來。

首先我們定義一個方法，來獲取每次請求的結果，在請求時page 是一個可變參數，所以我們將它作為方法的參數傳遞進來，代碼如下：

from urllib.parse import urlencodeimport requestsbase_url = 'https://m.weibo.cn/api/container/getIndex?'headers = {  'Host': 'm.weibo.cn',  'Referer': 'https://m.weibo.cn/u/2145291155',  'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36',  'X-Requested-With': 'XMLHttpRequest',}def get_page(page):  params = {    'display': '0',    'retcode': '6102',    'type': 'uid',    'value': '2145291155',    'containerid': '1076032145291155',    'page': page  }  url = base_url + urlencode(params)  try:    response = requests.get(url, headers=headers)    if response.status_code == 200:      return response.json()  except requests.ConnectionError as e:    print('Error', e.args)

首先在這里我們定義了一個 base_url 來表示請求的 URL 的前半部分，接下來構造了一個參數字典，其中 display、retcode、 type、value、containerid 是固定的參數，只有 page 是可變參數，接下來我們調用了 urlencode() 方法將參數轉化為 URL 的 GET請求參數，即類似于display=0&retcode=6102&type=uid&value=2145291155&containerid=1076032145291155&page=2 這樣的形式，隨后 base_url 與參數拼合形成一個新的 URL，然后我們用 Requests 請求這個鏈接，加入 headers 參數，然后判斷響應的狀態碼，如果是200，則直接調用 json() 方法將內容解析為 Json 返回，否則不返回任何信息，如果出現異常則捕獲并輸出其異常信息。