前言
一年一度的虐狗节终于过去了，朋友圈各种晒，晒自拍，晒娃，晒美食，秀恩爱的。程序员在晒什么，程序员在加班。但是礼物还是少不了的，送什么好？作为程序员，我准备了一份特别的礼物，用以往发的微博数据打造一颗“爱心”，我想她一定会感动得哭了吧。哈哈
准备工作
有了想法之后就开始行动了，自然最先想到的就是用 Python 了，大体思路就是把微博数据爬下来，数据经过清洗加工后再进行分词处理，处理后的数据交给词云工具，配合科学计算工具和绘图工具制作成图像出来，涉及到的工具包有：
requests 用于网络请求爬取微博数据，结巴分词进行中文分词处理，词云处理库 wordcloud，图片处理库 Pillow，科学计算工具 NumPy ，类似于 MATLAB 的 2D 绘图库 Matplotlib
工具安装
安装这些工具包时，不同系统平台有可能出现不一样的错误，wordcloud，requests，jieba 都可以通过普通的 pip 方式在线安装，
pip install wordcloud pip install requests pip install jieba
在Windows 平台安装 Pillow，NumPy，Matplotlib 直接用 pip 在线安装会出现各种问题，推荐的一种方式是在一个叫 Python Extension Packages for Windows 1 的第三方平台下载 相应的 .whl 文件安装。可以根据自己的系统环境选择下载安装 cp27 对应 python2.7，amd64 对应 64 位系统。下载到本地后进行安装
pip install Pillow-4.0.0-cp27-cp27m-win_amd64.whl pip install scipy-0.18.0-c<em style="color:transparent">本文来源[email protected]搞@^&代*@码)网9</em>p27-cp27m-win_amd64.whl pip install numpy-1.11.3+mkl-cp27-cp27m-win_amd64.whl pip install matplotlib-1.5.3-cp27-cp27m-win_amd64.whl
其他平台可根据错误提示 Google 解决。或者直接基于 Anaconda 开发，它是 Python 的一个分支，内置了大量科学计算、机器学习的模块 。
获取数据
新浪微博官方提供的 API 是个渣渣，只能获取用户最新发布的5条数据，退而求其次，使用爬虫去抓取数据，抓取前先评估难度，看看是否有人写好了，在GitHub逛了一圈，基本没有满足需求的。倒是给我提供了一些思路，于是决定自己写爬虫。
使用 移动端网址去爬取数据。发现接口 可以分页获取微博数据，而且返回的数据是 json 格式，这样就省事很多了，不过该接口需要登录后的 cookies 信息，登录自己的帐号就可以通过 Chrome 浏览器 找到 Cookies 信息。
实现代码：
def fetch_weibo():
api = "http://m.weibo.cn/index/my?format=cards&page=%s"
for i in range(1, 102):
response = requests.get(url=api % i, cookies=cookies)
data = response.json()[0]
groups = data.get("card_group") or []
for group in groups:
text = group.get("mblog").get("text")
text = text.encode("utf-8")
text = cleanring(text).strip()
yield text
查看微博的总页数是101，考虑到一次性返回一个列表对象太费内存，函数用 yield 返回一个生成器，此外还要对文本进行数据清洗，例如去除标点符号，HTML 标签，“转发微博”这样的字样。
转载请注明原文链接：使用python爬取微博数据打造一颗“心”
