python3 获取微博热搜词及热搜词链接

本文介绍了如何使用Python3从微博热搜榜中通过正则表达式抓取热搜词及其链接,并存储为list。关键点包括处理'25'混淆反爬策略,空格与加号的转换,以及利用urllib.parse.unquote进行URL解码。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

本文实现的是从微博热搜榜http://s.weibo.com/top/summary中采用正则表达式获取微博热搜词及其链接并存储成list形式的功能。

几个注意事项:

1 微博加入了“25”混淆进行反爬虫,以热搜词'迪丽热巴粉丝 杨幂'为例,获取到的转码前的热搜词是:
%25E8%25BF%25AA%25E4%25B8%25BD%25E7%2583%25AD%25E5%25B7%25B4%25E7%25B2%2589%25E4%25B8%259D%2B%25E6%259D%25A8%25E5%25B9%2582
注意不可以直接replace('25',''),因为热搜词中本身就可能包含‘25’这个数,因此采用replace('%25', '%')进行替换。替换后效果:
%E8%BF%AA%E4%B8%BD%E7%83%AD%E5%B7%B4%E7%B2%89%E4%B8%9D%2B%E6%9D%A8%E5%B9%82

2 热搜词中常包括空格,而url中会自动将空格(%20)转为+号(%2B),因此需要执行.replace('+', ' '),否则直接从url中提取会导致'迪丽热巴粉丝 杨幂'变成'迪丽热巴粉丝+杨幂'

3 urllib.parse.unquote(resou_keyword, encoding="utf8")可以把看不懂的%E8%BF%AA%E4...转为'迪丽热巴粉丝 杨幂'

直接上代码:

import re, urllib, requests

# 获取微博实时热搜榜
def get_resou():
    resou_list = []
    resou_html_text = requests.get('http://s.weibo.com/top/summary', ).text
    resou_re = re.compile(r'td class=\\"td_05\\"><a href=\\"\\/weibo\\/(.*?)&Refer=top\\"')
    res
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值