连续爬取一个或多个新浪微博用户（如Dear-迪丽热巴、郭碧婷）的数据，并将结果信息写入文件。写入信息几乎包括了用户微博的所有数据，主要有用户信息和微博信息两大类，前者包含用户昵称、关注数、粉丝数、微博数等等；后者包含微博正文、发布时间、发布工具、评论数等等，因为内容太多，这里不再赘述，详细内容见输出部分。具体的写入文件类型如下：
- 写入csv文件（默认）
- 写入MySQL数据库（可选）
- 写入MongoDB数据库（可选）
- 下载用户微博中的原始图片（可选）
- 下载用户微博中的视频（可选）
用户信息
- 用户id：微博用户id，如"1669879400"
- 用户昵称：微博用户昵称，如"Dear-迪丽热巴"
- 性别：微博用户性别
- 微博数：用户的全部微博数（转发微博+原创微博）
- 粉丝数：用户的粉丝数
- 关注数：用户关注的微博数量
- 简介：用户简介
- 主页地址：微博移动版主页url，如https://m.weibo.cn/u/1669879400?uid=1669879400&luicode=10000011&lfid=1005051669879400
- 头像url：用户头像url
- 高清头像url：用户高清头像url
- 微博等级：用户微博等级
- 会员等级：微博会员用户等级，普通用户该等级为0
- 是否认证：用户是否认证，为布尔类型
- 认证类型：用户认证类型，如个人认证、企业认证、政府认证等
- 认证信息：为认证用户特有，用户信息栏显示的认证信息
微博信息
- 微博id：微博的id，为一串数字形式
- 微博bid：微博的bid，与cookie版中的微博id是同一个值
- 微博内容：微博正文
- 原始图片url：原创微博图片和转发微博转发理由中图片的url，若某条微博存在多张图片，每个url以英文逗号分隔，若没有图片则值为''
- 视频url: 微博中的视频url，若微博中没有视频，则值为''
- 微博发布位置：位置微博中的发布位置
- 微博发布时间：微博发布时的时间，精确到天
- 点赞数：微博被赞的数量
- 转发数：微博被转发的数量
- 评论数：微博被评论的数量
- 微博发布工具：微博的发布工具，如iPhone客户端、HUAWEI Mate 20 Pro等，若没有则值为''
- 话题：微博话题，即两个#中的内容，若存在多个话题，每个url以英文逗号分隔，若没有则值为''
- @用户：微博@的用户，若存在多个@用户，每个url以英文逗号分隔，若没有则值为''
- 原始微博：为转发微博所特有，是转发微博中那条被转发的微博，存储为字典形式，包含了上述微博信息中的所有内容，如微博id、微博内容等等
- 结果文件：保存在当前目录weibo文件夹下以用户昵称为名的文件夹里，名字为"user_id.csv"形式
- 微博图片：原创微博中的图片，保存在以用户昵称为名的文件夹下的img文件夹里
- 微博视频：原创微博中的视频，保存在以用户昵称为名的文件夹下的video文件夹里
以爬取迪丽热巴的微博为例。她的微博昵称为"Dear-迪丽热巴"，id为1669879400，用户id获取方法见如何获取user_id。我们选择爬取她的全部原创微博。具体方法是将weibo.py文件的main函数主要部分修改为如下代码：
# 以下是程序配置信息，可以根据自己需求修改
filter = 1 # 值为0表示爬取全部微博（原创微博+转发微博），值为1表示只爬取原创微博
since_date = '1900-01-01' # 起始时间，即爬取发布日期从该值到现在的微博，形式为yyyy-mm-dd
"""mongodb_write值为0代表不将结果写入MongoDB数据库,1代表写入；若要写入MongoDB数据库，
请先安装MongoDB数据库和pymongo，pymongo安装方法为命令行运行:pip install pymongo"""
mongodb_write = 0
"""mysql_write值为0代表不将结果写入MySQL数据库,1代表写入;若要写入MySQL数据库，
请先安装MySQL数据库和pymysql，pymysql安装方法为命令行运行:pip install pymysql"""
mysql_write = 0
pic_download = 1 # 值为0代表不下载微博原始图片,1代表下载微博原始图片
video_download = 1 # 值为0代表不下载微博视频,1代表下载微博视频
wb = Weibo(filter, since_date, mongodb_write, mysql_write,
pic_download, video_download)
user_id_list = ['1669879400']
wb.start(user_id_list)代码具体含义注释里都有，不在赘述。设置完成后运行程序：
$ python weibo.py程序会自动生成一个weibo文件夹，我们以后爬取的所有微博都被存储在weibo文件夹里。然后程序在该文件夹下生成一个名为"Dear-迪丽热巴"的文件夹，迪丽热巴的所有微博爬取结果都在这里。"Dear-迪丽热巴"文件夹里包含一个csv文件、一个img文件夹和一个video文件夹，img文件夹用来存储下载到的图片，video文件夹用来存储下载到的视频。如果你设置了保存数据库功能，这些信息也会保存在数据库里，数据库设置见设置数据库部分。
csv文件结果如下所示：
本csv文件是爬取“全部微博”(原创微博+转发微博)的结果文件。因为迪丽热巴很多微博本身都没有图片、发布工具、位置、话题和@用户等信息，所以当这些内容没有时对应位置为空。"是否原创"列用来标记是否为原创微博，
当为转发微博时，文件中还包含转发微博的信息。为了简便起见，姑且将转发微博中被转发的原始微博称为源微博，它的用户id、昵称、微博id等都在名称前加上源字，以便与目标用户自己发的微博区分。对于转发微博，程序除了获取用户原创部分的信息，还会获取源用户id、源用户昵称、源微博id、源微博正文、源微博原始图片url、源微博位置、源微博日期、源微博工具、源微博点赞数、源微博评论数、源微博转发数、源微博话题、源微博@用户等信息。原创微博因为没有这些转发信息，所以对应位置为空。若爬取的是"全部原创微博"，则csv文件中不会包含"是否原创"及其之后的转发属性列；
下载的图片如下所示：
本次下载了788张图片，大小一共1.21GB，包括她原创微博中的所有图片。图片名为yyyymmdd+微博id的形式，若某条微博存在多张图片，则图片名中还会包括它在微博图片中的序号。若某图片下载失败，程序则会以“weibo_id:pic_url”的形式将出错微博id和图片url写入同文件夹下的not_downloaded.txt里；若图片全部下载成功则不会生成not_downloaded.txt；
下载的视频如下所示：
本次下载了66个视频，是她原创微博中的视频，视频名为yyyymmdd+微博id的形式。有三个视频因为网络原因下载失败，程序将它们的微博id和视频url分别以“weibo_id:video_url”的形式写到了同文件夹下的not_downloaded.txt里。
因为我本地没有安装MySQL数据库和MongoDB数据库，所以暂时设置成不写入数据库。如果你想要将爬取结果写入数据库，只需要先安装数据库（MySQL或MongoDB），再安装对应包（pymysql或pymongo），然后将mysql_write或mongodb_write值设置为1即可。写入MySQL需要用户名、密码等配置信息，这些配置如何设置见设置数据库部分。
- 开发语言：python2/python3
- 系统： Windows/Linux/macOS
$ git clone https://github.com/dataabc/weibo-crawler.git运行上述命令，将本项目下载到当前目录，如果下载成功当前目录会出现一个名为"weibo-crawler"的文件夹；
$ pip install -r requirements.txt打开weibo-crawler文件夹下的weibo.py文件，将我们想要爬取的一个或多个微博的user_id赋值给user_id_list，user_id获取方法见如何获取user_id。 user_id设置代码位于weibo.py的main函数里，具体代码如下：
# 爬单个微博，可以改成任意合法的用户id
user_id_list = ['1669879400']或者
# 爬多个微博，可以改成任意合法的用户id
user_id_list = ['1669879400', '1729370543']也可以读取文件中的用户id，每个user_id占一行，也可以在user_id后面加注释（可选），如用户昵称等信息，user_id和注释之间必需要有空格，文件名任意，类型为txt，位置位于本程序的同目录下，文件内容示例如下：
1223178222 胡歌
1669879400 迪丽热巴
1729370543 郭碧婷
假如文件叫user_id_list.txt，则user_id设置代码为：
user_id_list = wb.get_user_list('user_id_list.txt')本部分是可选部分，如果不需要将爬取信息写入数据库，可跳过这一步。本程序目前支持MySQL数据库和MongoDB数据库，如果你需要写入其它数据库，可以参考这两个数据库的写法自己编写。
MySQL数据库写入
要想将爬取信息写入MySQL，请将main函数中的mysql_write变量值改为1。再根据自己的系统环境安装MySQL，然后命令行执行：
$ pip install pymysqlMySQL写入需要主机、端口号、用户名、密码等配置，本程序默认的配置如下：
mysql_config = {
'host': 'localhost',
'port': 3306,
'user': 'root',
'password': '123456',
'charset': 'utf8mb4'
}如果你的配置和上面不同，需要修改main函数，将本程序的配置改成自己的配置，具体代码如下：
mysql_config = {
'host': 'xxx',
'port': xxx,
'user': 'xxx',
'password': 'xxx',
'charset': 'utf8mb4'
}
wb.change_mysql_config(mysql_config)MongoDB数据库写入
要想将爬取信息写入MongoDB，请将main函数中的mongodb_write变量值改为1。再根据自己的系统环境安装MongoDB，然后命令行执行：
$ pip install pymongo
MySQL和MongDB数据库的写入内容一样。程序首先会创建一个名为"weibo"的数据库，然后再创建"user"表和"weibo"表，包含爬取的所有内容。爬取到的微博用户信息或插入或更新，都会存储到user表里；爬取到的微博信息或插入或更新，都会存储到weibo表里，两个表通过user_id关联。如果想了解两个表的具体字段，请点击"详情"。
详情
user表
id：微博用户id，如"1669879400"；
screen_name：微博用户昵称，如"Dear-迪丽热巴"；
gender：微博用户性别，取值为f或m，分别代表女和男；
statuses_count：微博数；
followers_count：粉丝数；
follow_count：关注数；
description：微博简介；
profile_url：微博主页，如https://m.weibo.cn/u/1669879400?uid=1669879400&luicode=10000011&lfid=1005051669879400;
profile_image_url：微博头像url；
avatar_hd：微博高清头像url；
urank：微博等级；
mbrank：微博会员等级，普通用户会员等级为0；
verified：微博是否认证，取值为true和false；
verified_type：微博认证类型，没有认证值为-1，个人认证值为0，企业认证值为2，政府认证值为3，这些类型仅是个人猜测，应该不全，大家可以根据实际情况判断；
verified_reason：微博认证信息，只有认证用户拥有此属性。
weibo表
user_id：存储微博用户id，如"1669879400"；
screen_name：存储微博昵称，如"Dear-迪丽热巴"；
id：存储微博id；
text：存储微博正文；
pics：存储原创微博的原始图片url。若某条微博有多张图片，则存储多个url，以英文逗号分割；若该微博没有图片，则值为''；
video_url：存储原创微博的视频url。若某条微博没有视频，则值为''；
location：存储微博的发布位置。若某条微博没有位置信息，则值为''；
created_at：存储微博的发布时间；
source：存储微博的发布工具；
attitudes_count：存储微博获得的点赞数；
comments_count：存储微博获得的评论数；
reposts_count：存储微博获得的转发数；
topics：存储微博话题，即两个#中的内容。若某条微博没有话题信息，则值为''；
at_users：存储微博@的用户。若某条微博没有@的用户，则值为''；
retweet_id：存储转发微博中原始微博的微博id。若某条微博为原创微博，则值为''。
大家可以根据自己的运行环境选择运行方式，Linux可以通过
$ python weibo.py运行;
本脚本是一个Weibo类，用户可以按照自己的需求调用Weibo类。 用户可以直接在weibo.py文件中调用Weibo类，具体调用代码示例如下：
# 以下是程序配置信息，可以根据自己需求修改
filter = 1 # 值为0表示爬取全部微博（原创微博+转发微博），值为1表示只爬取原创微博
since_date = '2018-01-01' # 起始时间，即爬取发布日期从该值到现在的微博，形式为yyyy-mm-dd
"""mongodb_write值为0代表不将结果写入MongoDB数据库,1代表写入；若要写入MongoDB数据库，
请先安装MongoDB数据库和pymongo，pymongo安装方法为命令行运行:pip install pymongo"""
mongodb_write = 0
"""mysql_write值为0代表不将结果写入MySQL数据库,1代表写入;若要写入MySQL数据库，
请先安装MySQL数据库和pymysql，pymysql安装方法为命令行运行:pip install pymysql"""
mysql_write = 0
pic_download = 1 # 值为0代表不下载微博原始图片,1代表下载微博原始图片
video_download = 1 # 值为0代表不下载微博视频,1代表下载微博视频
wb = Weibo(filter, since_date, mongodb_write, mysql_write,
pic_download, video_download)
# 下面是自定义MySQL数据库连接配置(可选)
"""因为操作MySQL数据库需要用户名、密码等参数，本程序默认为:
mysql_config = {
'host': 'localhost',
'port': 3306,
'user': 'root',
'password': '123456',
'charset': 'utf8mb4'
}
大家的参数配置如果和默认值不同，可以将上面的参数值替换成自己的，
然后添加如下代码，使修改生效，如果你的参数和默认值相同则不需要下面的代码:
wb.change_mysql_config(mysql_config)"""
# 下面是配置user_id_list
"""user_id_list包含了要爬的目标微博id，可以是一个，也可以是多个，也可以从文件中读取
爬单个微博，user_id_list如下所示，可以改成任意合法的用户id
user_id_list = ['1669879400']
爬多个微博，user_id_list如下所示，可以改成任意合法的用户id
user_id_list = ['1669879400', '1729370543']
也可以在文件中读取user_id_list，文件中可以包含很多user_id，
每个user_id占一行，也可以在user_id后面加注释，如用户昵称，user_id和注释之间必需要有空格，
文件名任意，类型为txt，位置位于本程序的同目录下，文件内容可以为如下形式：
1223178222 胡歌
1669879400 迪丽热巴
1729370543 郭碧婷
比如文件可以叫user_id_list.txt，读取文件中的user_id_list如下所示:
user_id_list = wb.get_user_list('user_id_list.txt')"""
user_id_list = ['1669879400']
wb.start(user_id_list)通过执行wb.start() 完成了微博的爬取工作。在上述代码执行后，我们可以得到很多信息：
wb.user：存储目标微博用户信息；
wb.user包含爬取到的微博用户信息，如用户id、用户昵称、性别、微博数、粉丝数、关注数、简介、主页地址、头像url、高清头像url、微博等级、会员等级、是否认证、认证类型、认证信息等，大家可以点击"详情"查看具体用法。
详情
id：微博用户id，取值方式为wb.user['id'],由一串数字组成；
screen_name：微博用户昵称，取值方式为wb.user['screen_name']；
gender：微博用户性别，取值方式为wb.user['gender']，取值为f或m，分别代表女和男；
statuses_count：微博数，取值方式为wb.user['statuses_count']；
followers_count：微博粉丝数，取值方式为wb.user['followers_count']；
follow_count：微博关注数，取值方式为wb.user['follow_count']；
description：微博简介，取值方式为wb.user['description']；
profile_url：微博主页，取值方式为wb.user['profile_url'];
profile_image_url：微博头像url，取值方式为wb.user['profile_image_url']；
avatar_hd：微博高清头像url，取值方式为wb.user['avatar_hd']；
urank：微博等级，取值方式为wb.user['urank']；
mbrank：微博会员等级，取值方式为wb.user['mbrank']，普通用户会员等级为0；
verified：微博是否认证，取值方式为wb.user['verified']，取值为true和false；
verified_type：微博认证类型，取值方式为wb.user['verified_type']，没有认证值为-1，个人认证值为0，企业认证值为2，政府认证值为3，这些类型仅是个人猜测，应该不全，大家可以根据实际情况判断；
verified_reason：微博认证信息，取值方式为wb.user['verified_reason']，只有认证用户拥有此属性。
wb.weibo：存储爬取到的所有微博信息；
wb.weibo包含爬取到的所有微博信息，如微博id、正文、原始图片url、视频url、位置、日期、发布工具、点赞数、转发数、评论数、话题、@用户等。如果爬的是全部微博(原创+转发)，除上述信息之外，还包含原始用户id、原始用户昵称、原始微博id、原始微博正文、原始微博原始图片url、原始微博位置、原始微博日期、原始微博工具、原始微博点赞数、原始微博评论数、原始微博转发数、原始微博话题、原始微博@用户等信息。wb.weibo是一个列表，包含了爬取的所有微博信息。wb.weibo[0]为爬取的第一条微博，wb.weibo[1]为爬取的第二条微博，以此类推。当filter=1时，wb.weibo[0]为爬取的第一条原创微博，以此类推。wb.weibo[0]['id']为第一条微博的id，wb.weibo[0]['text']为第一条微博的正文，wb.weibo[0]['created_at']为第一条微博的发布时间，还有其它很多信息不在赘述，大家可以点击下面的"详情"查看具体用法。
详情
user_id：存储微博用户id。如wb.weibo[0]['user_id']为最新一条微博的用户id；
screen_name：存储微博昵称。如wb.weibo[0]['screen_name']为最新一条微博的昵称；
id：存储微博id。如wb.weibo[0]['id']为最新一条微博的id；
text：存储微博正文。如wb.weibo[0]['text']为最新一条微博的正文；
pics：存储原创微博的原始图片url。如wb.weibo[0]['pics']为最新一条微博的原始图片url，若该条微博有多张图片，则存储多个url，以英文逗号分割；若该微博没有图片，则值为''；
video_url：存储原创微博的视频url。如wb.weibo[0]['video_url']为最新一条微博的视频url；若该微博没有视频，则值为''；
location：存储微博的发布位置。如wb.weibo[0]['location']为最新一条微博的发布位置，若该条微博没有位置信息，则值为''；
created_at：存储微博的发布时间。如wb.weibo[0]['created_at']为最新一条微博的发布时间；
source：存储微博的发布工具。如wb.weibo[0]['source']为最新一条微博的发布工具；
attitudes_count：存储微博获得的点赞数。如wb.weibo[0]['attitudes_count']为最新一条微博获得的点赞数；
comments_count：存储微博获得的评论数。如wb.weibo[0]['comments_count']为最新一条微博获得的评论数；
reposts_count：存储微博获得的转发数。如wb.weibo[0]['reposts_count']为最新一条微博获得的转发数；
topics：存储微博话题，即两个#中的内容。如wb.weibo[0]['topics']为最新一条微博的话题，若该条微博没有话题信息，则值为''；
at_users：存储微博@的用户。如wb.weibo[0]['at_users']为最新一条微博@的用户，若该条微博没有@的用户，则值为''；
retweet：存储转发微博中原始微博的全部信息。假如wb.weibo[0]为转发微博，则wb.weibo[0]['retweet']为该转发微博的原始微博，它存储的属性与wb.weibo[0]一样，只是没有retweet属性;若该条微博为原创微博，则wb[0]没有"retweet"属性，大家可以点击"详情"查看具体用法。
详情
假设爬取到的第i条微博为转发微博，则它存在以下信息：
user_id：存储原始微博用户id。wb.weibo[i-1]['retweet']['user_id']为该原始微博的用户id；
screen_name：存储原始微博昵称。wb.weibo[i-1]['retweet']['screen_name']为该原始微博的昵称；
id：存储原始微博id。wb.weibo[i-1]['retweet']['id']为该原始微博的id；
text：存储原始微博正文。wb.weibo[i-1]['retweet']['text']为该原始微博的正文；
pics：存储原始微博的原始图片url。wb.weibo[i-1]['retweet']['pics']为该原始微博的原始图片url，若该原始微博有多张图片，则存储多个url，以英文逗号分割；若该原始微博没有图片，则值为''；
video_url：存储原始微博的视频url。如wb.weibo[i-1]['retweet']['video_url']为该原始微博的视频url；若该微博没有视频，则值为''；
location：存储原始微博的发布位置。wb.weibo[i-1]['retweet']['location']为该原始微博的发布位置，若该原始微博没有位置信息，则值为''；
created_at：存储原始微博的发布时间。wb.weibo[i-1]['retweet']['created_at']为该原始微博的发布时间；
source：存储原始微博的发布工具。wb.weibo[i-1]['retweet']['source']为该原始微博的发布工具；
attitudes_count：存储原始微博获得的点赞数。wb.weibo[i-1]['retweet']['attitudes_count']为该原始微博获得的点赞数；
comments_count：存储原始微博获得的评论数。wb.weibo[i-1]['retweet']['comments_count']为该原始微博获得的评论数；
reposts_count：存储原始微博获得的转发数。wb.weibo[i-1]['retweet']['reposts_count']为该原始微博获得的转发数；
topics：存储原始微博话题，即两个#中的内容。wb.weibo[i-1]['retweet']['topics']为该原始微博的话题，若该原始微博没有话题信息，则值为''；
at_users：存储原始微博@的用户。wb.weibo[i-1]['retweet']['at_users']为该原始微博@的用户，若该原始微博没有@的用户，则值为''。
1.打开网址https://weibo.cn，搜索我们要找的人，如"迪丽热巴"，进入她的主页；
事实上，此微博的user_id也包含在用户主页(https://weibo.cn/u/1669879400?f=search_0)中，之所以我们还要点击主页中的"资料"来获取user_id，是因为很多用户的主页不是"https://weibo.cn/user_id?f=search_0"的形式，而是"https://weibo.cn/个性域名?f=search_0"或"https://weibo.cn/微号?f=search_0"的形式。其中"微号"和user_id都是一串数字，如果仅仅通过主页地址提取user_id，很容易将"微号"误认为user_id。