📌 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。本文将手把手教你如何使用 Python 抓取微博数据，包括使用 API 接口、处理 Cookie 和模拟登录等。

---

✅ 抓取微博数据的三种常见方式

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 3 种方法，更灵活、可控性强。

---

🧰 环境准备

pip install requests
pip install beautifulsoup4
pip install selenium
pip install pandas
pip install 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

---

🚀 实战一：使用 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。

---

🖥️ 实战二：使用 Selenium 模拟搜索抓取微博内容（适合不分析接口）

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")

---

🔒 关于 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	⭐⭐	⭐⭐⭐⭐⭐

---

📚 延伸学习推荐

• 微博反爬机制详解与应对策略
• 构建实时微博爬虫+情感分析系统
• Python + MongoDB 存储海量社交数据
• 微博话题热度趋势图可视化（pyecharts）

---

💬 最后

抓取微博的数据并不简单，需要你具备 HTML 分析能力、JS 抓包技巧以及对反爬的理解。建议从搜索页的静态数据入手，再逐步挑战评论、私信、用户关系等复杂数据。