使用 Python 爬虫抓取微博数据的详细步骤

前言

微博作为中国最活跃的社交平台之一，拥有丰富的实时热点、用户动态和评论信息。但由于其强大的反爬策略，抓取微博数据并不像抓取一般静态页面那么容易。本文将介绍如何使用 Python 抓取微博数据，包括使用 API 接口、处理 Cookie 和模拟登录等。

抓取微博数据的常见方式

抓取方式	是否推荐	说明
使用微博开放 API	推荐	需注册开发者账号，接口稳定，适合合规抓取
分析网页接口（XHR）	可用	需要处理 Cookie 和签名，有一定难度
使用 Selenium 模拟浏览器	稳定	对抗 JS 渲染和反爬，适合评论、滚动数据

本文主要介绍第 2 和第 3 种方法，更灵活、可控性强。

环境准备

pip install requests beautifulsoup4 selenium pandas fake-useragent

浏览器驱动推荐使用 ChromeDriver，对应你的 Chrome 版本，下载地址： https://chromedriver.chromium.org/downloads

实战目标

抓取指定关键词（如'高考'）的微博搜索结果，包括：微博内容、发布时间、用户昵称、微博链接。

方法一：Requests + 浏览器抓包 获取接口数据

第一步：打开微博搜索页面

前往：

https://s.weibo.com/weibo?q=高考

F12 打开开发者工具 → Network → XHR，查看接口，如：

https://s.weibo.com/ajax/...

这些接口返回 JSON 数据，但需要携带 Cookie 和 User-Agent，否则返回为空或提示'请登录'。

第二步：抓取数据代码示例

import requests
import pandas as pd
from fake_useragent import UserAgent

# 浏览器登录后手动复制 Cookie
cookies = {"SUB": "你的 SUB 值"}  # 可添加其他关键 cookie
headers = {
    "User-Agent": UserAgent().random,
    "Referer": "https://s.weibo.com",
}
query = "高考"
url = f"https://s.weibo.com/ajax/statuses/search?keyword={query}&page=1"
res = requests.get(url, headers=headers, cookies=cookies)
data = res.json()
results = []
for card in data["data"]["list"]:
    text = card.get("text_raw", "")
    user = card["user"]["screen_name"]
    created_at = card["created_at"]
    mid = card["mid"]
    link = f"https://weibo.com/{card['user']['id']}/{mid}"
    results.append([user, created_at, text, link])
df = pd.DataFrame(results, columns=["用户", "发布时间", "内容", "链接"])
df.to_csv("微博搜索_高考.csv", index=False, encoding="utf-8-sig")

注意事项

• 必须登录微博后复制 Cookie，否则接口返回空列表。
• 每次请求不可过快，建议加上 time.sleep()。
• text_raw 是去除 HTML 标签的原文。

方法二：Selenium 模拟搜索抓取微博内容

步骤

1. 使用 Selenium 打开微博搜索页面
2. 模拟滚动加载微博
3. 使用 BeautifulSoup 或 XPath 抓取内容

示例代码

from selenium import webdriver
from selenium.webdriver.common.by import By
import time
import pandas as pd

options = webdriver.ChromeOptions()
options.add_argument("--disable-blink-features=AutomationControlled")
driver = webdriver.Chrome(options=options)
keyword = "高考"
driver.get(f"https://s.weibo.com/weibo?q={keyword}")
# 等待加载
time.sleep(3)
# 模拟下拉滚动多次
for i in range(5):
    driver.execute_script("window.scrollTo(0, document.body.scrollHeight);")
    time.sleep(2)
posts = driver.find_elements(By.CSS_SELECTOR, "div.card-wrap")
data = []
for post in posts:
    try:
        text = post.find_element(By.CSS_SELECTOR, ".content").text
        user = post.find_element(By.CSS_SELECTOR, ".name").text
        timeinfo = post.find_element(By.CSS_SELECTOR, ".from").text
        data.append([user, timeinfo, text])
    except:
        continue
driver.quit()
df = pd.DataFrame(data, columns=["用户", "时间", "内容"])
df.to_csv("selenium_微博数据.csv", index=False, encoding="utf-8-sig")

Cookie 获取方式

你可以通过如下方法获取登录后的 Cookie：

1. 登录微博 → 按 F12 → Application → Cookies
2. 找到名为 SUB 的 Cookie
3. 复制其值，填入代码中的 cookies 字典

也可以使用 Selenium 登录后用 driver.get_cookies() 获取完整 Cookie。

总结

工具	适合场景	难度	稳定性
Requests + 接口	抓取热搜/搜索结果	⭐⭐⭐⭐	⭐⭐⭐
Selenium	抓取评论、动态加载页面	⭐⭐⭐	⭐⭐⭐⭐
官方 API	合规授权使用	⭐⭐	⭐⭐⭐⭐⭐