微博抓取 GUI 程序之python!

草帽路飞UU

在前面的分享中，我们制作了一个天眼查 GUI 程序，今天我们在这个的基础上，继续开发新的功能，微博抓取工具，先来看下最终的效果。



整体的界面还是继承自上次的天眼查界面，我们直接来看相关功能。


　　微博功能布局

　　我们整体的界面布局就是左侧可以选择不同功能，然后右侧的界面会对应改变。

　　创建微博 Widget

　　对于右侧界面的切换，我们可以为不同的功能创建不同的 Widget，当点击左侧不同功能按钮后，对应切换 Widget 即可。

　　我们新建一个 weibo 相关的函数，主要用来界面布局。

　　def weiboWidget(self):

　　    self.left_button_widget_3 = QtWidgets.QWidget()

　　    self.weiboWebEngine = QWebEngineView()

　　    self.weiboWebEngine2 = QWebEngineView()

　　    self.progressWidget = QtWidgets.QWidget()

　　    self.ciyunWidget = QtWidgets.QWidget()



　　我们还看到整体界面有一个词云，该词云是通过 matplotlib 渲染的，所以还需要创建 matplotlib 布局。

　　self.figure = plt.figure(figsize=(7, 2))

　　self.canvas = FigureCanvasQTAgg(self.figure)  

　　self.gridLayout_weibo.addWidget(self.canvas, 5, 0, 1, 9)



　　创建微博查询

　　接下来我们创建一个微博查询函数，同时因为我们这里需要实时更新抓取进度条，所以使用了多线程的方式。

　　def doWeiboQuery(self):

　　    weibo_link = self.lineEdit_weibo_link.text()

　　    weibo_name = self.lineEdit_weibo_name.text()

　　    weibo_page = self.weibo_comboBox.currentText()

　　    if not weibo_link or not weibo_name:

　　        QMessageBox.information(self, "Error", "微博链接或者用户名称不能为空",

　　                                QMessageBox.Yes)

　　        return

　　    self.weiboWebEngine.load(QUrl(weibo_link))

　　    self.qth = WeiBoQueryThread()

　　    self.qth.update_data.connect(self.weiboPgbUpdate)

　　    self.qth.draw_ciyun.connect(self.drawCiyun)

　　    self.qth.weibo_page = weibo_page

　　    self.qth.weibo_link = weibo_link

　　    self.qth.weibo_name = weibo_name

　　    self.qth.start()


　　而主线程与子线程之间的通信，是使用信号槽的形式。

　　def weiboPgbUpdate(self, data):

　　    self.pgb.setValue(data)

　　def drawCiyun(self):

　　    self.canvas.draw()

　　    self.toolbar = NavigationToolbar2QT(self.canvas, self)

　　    self.gridLayout_weibo.addWidget(self.toolbar, 8, 0, 1, 9)



　　接下来就是创建子进程函数，函数主体是爬取微博的代码。

　　"""子进程微博查询"""

　　class WeiBoQueryThread(QThread):

　　    # 创建一个信号，触发时传递当前时间给槽函数

　　    update_data = pyqtSignal(int)

　　    draw_ciyun = pyqtSignal()

　　    weibo_name = None

　　    weibo_link = None

　　    weibo_page = None

　　    total_pv = 0

　　    timestamp = str(int(time.time()))

　　    def run(self):

　　        # 微博爬虫

　　        try:

　　            file_name = self.weibo_name + "_" + self.timestamp + 'comment.csv'

　　            my_weibo = weibo_interface.Weibo(self.weibo_name)

　　            uid, blog_info = my_weibo.weibo_info(self.weibo_link)

　　            pv_max = int(self.weibo_page)

　　            pre_pv = 100 // pv_max

　　            for i in range(int(self.weibo_page)):

　　                my_weibo.weibo_comment(uid, blog_info, str(i), file_name)

　　                self.total_pv += pre_pv

　　                self.update_data.emit(self.total_pv)

　　            print("所有微博评论爬取完成！")

　　            print("开始生成词云")

　　            font, img_array, STOPWORDS, words = ciyun(file_name)

　　            wc = WordCloud(width=2000, height=1800, background_color='white', font_path=font, mask=img_array,

　　                           stopwords=STOPWORDS, contour_width=3, contour_color='steelblue').generate(words)

　　            plt.imshow(wc)

　　            plt.axis("off")

　　            self.draw_ciyun.emit()

　　            print("生成词云完成")

　　        except Exception as e:

　　            print(e)



　　而对于微博的具体爬取方法，这里就不再展开说明了，我是把所有微博爬虫的代码都封装好了，这里直接调用暴露的接口即可。

　　词云制作

　　对于词云的制作，我们还是先通过 jieba 进行分词处理，然后使用 wordcloud 库生成词云即可。

　　# 词云相关

　　def ciyun(file, without_english=True):

　　    font = r'C:\Windows\Fonts\FZSTK.TTF'

　　    STOPWORDS = {"回复", "@", "我", "她", "你", "他", "了", "的", "吧", "吗", "在", "啊", "不", "也", "还", "是",

　　                 "说", "都", "就", "没", "做", "人", "赵薇", "被", "不是", "现在", "什么", "这", "呢", "知道", "邓"}

　　    df = pd.read_csv(file, usecols=[0])

　　    df_copy = df.copy()

　　    df_copy['comment'] = df_copy['comment'].apply(lambda x: str(x).split())  # 去掉空格

　　    df_list = df_copy.values.tolist()

　　    comment = jieba.cut(str(df_list), cut_all=False)

　　    words = ' '.join(comment)

　　    if without_english:

　　        words = re.sub('[a-zA-Z]', '', words)

　　    img = Image.open('ciyun.png')

　　    img_array = np.array(img)

　　    return font, img_array, STOPWORDS, words

　　由于很多评论当中会存在链接信息，导致制作的词云有很多高权重的英文字符，所有这里也通过正则进行了去英文字符处理。

　　至此，我们这个微博查询功能就完成了！