目录
写在前面
- 该文档是某课程实验需要而整理的，各个接口分析仅凭我个人理解，各个参数以及数据的含义也只是我个人的推测，如有错误的地方，欢迎在评论区或私信指正。
- 使用
Python对微博进行爬虫的方法有很多，Github上也有很多大神做好的爬虫程序可以拆箱即用。做这个接口分析只是我的个人爱好，另外我比较懒，不想研究怎样使用Selenium等框架，所以整理出一份可以仅仅使用Requests模块实现爬虫效果的文档，读者可以根据自己的需求进行使用。 - 文档内容都是我在浏览器中查看网络请求自行分析出来的，整理不易，转载请标明出处。
请求热搜
对web站请求如下URL即可
Method='GET'
https://weibo.com/ajax/statuses/hot_band
获得的数据如上图所示，band_list即为热搜列表，一条数据中包含了一些热搜的主要信息category是热搜包含内容的分类；note是词条内容；num大概是某个衡量热度的值（浏览量等等...），可以num越大的词条排的位置越靠前；其他信息可以按照类似的方法以及它的字面意思分析一下...
获取某个热搜下的内容
Method='GET'
https://m.weibo.cn/api/container/getIndex?containerid=231522type%3D1%26t%3D10%26q%3D%23词条的文字内容%23&luicode=10000011&lfid=100103type%3D38%26q%3D词条的文字内容%26t%3D0&page_type=searchall&page=页号
从请求热搜部分获得到的数据中包含word或note属性，将文本内容填入以上URL中即可，同时还可以指定页号。
以 https://m.weibo.cn/api/container/getIndex?containerid=231522type%3D1%26t%3D10%26q%3D%23中国星辰%23&luicode=10000011&lfid=100103type%3D38%26q%3D中国星辰%26t%3D0&page_type=searchall&page=1 这个URL举例，请求到的内容如下图所示：
一般微博的内容都放在card_type为9的卡片中，通过循环遍历提取出card_type为9的卡片即可。
如上是其中一张卡片，对它分析：一般内容都存在mblog属性下，包含的内容非常多。
-
最重要的是
id和mid，这是这条微博的标识（貌似这两个值通常是相同的，用一个就可以了）。 -
isLongText是一个很重要的标志位，因为微博展示的时候对于很长的文本内容会做折叠，在末尾会显示"...展开全文"等样式。只有用户点击了这个链接才会再请求完整内容。这个标志位如果是false，那么想提取微博的文本内容直接拿这个卡片的text属性即可。如果它是true，那么text中就不包含文本的全部内容，需要请求另外的API接口，通过id即可获得到全部的文本内容，详见获取长微博的完整文本内容。 -
pic_flag代表这条微博是否包含了图片内容，值为1说明包含了图片，为0说明不含图片，相应地pic_num表示这条微博包含的图片数量，由此可以再看到pic_ids或pics，这两个属性包含的都是这条微博里图片的id，根据这些id即可请求相应的API接口获得到图片，详见获取图片。（建议：实际观察中发现，有些接口返回的数据中可能没有
pic_flag，所以使用pic_num是否为0来判断可能更稳一些）
另外，下面这个接口能根据微博ID获得一些信息，大部分与上面的数据内容类似：
Method='GET'
https://weibo.com/ajax/statuses/show?id=微博ID
注意：有一点值得注意，如何判断一条微博是纯文本、含图片还是含视频呢？目前我的分析是这样的：这里获得的数据包，page_info只会出现在含视频的微博中，而对于纯文本和图片的微博是不含这个数据的。
于是可以采用这样的逻辑：含有page_info的是视频微博，不含page_info而pic_num不为0的为图片微博，不含page_info且pic_num为0的是纯文本的微博。
获取长文本
Method='GET'
https://m.weibo.cn/statuses/extend?id=微博ID
在获得卡片数据后，得到最重要的信息就是id，这应该是一条微博的唯一标识。获得id后填入上述URL即可获得到新的信息：
可以看到里面包含了longTextContext，这就是这条微博所有文本内容。另外三个属性分别是这条微博的点赞、评论、转发数量。
获取图片
第一种方法：
Method='GET'
https://wx4.sinaimg.cn/orj360/图片ID
如上所示，将服务器返回的内容保存即可。
另外一种方法(更推荐)：
Method='GET'
如上图所示，在之前获得的card中，pics字段下直接包含着图片的URL，所以可以直接提取出这个URL进行图片获取。
更推荐使用第二种方法，因为上面那个根据ID请求图片是我自己分析得到的，不确定是不是每个ID都能在那个域下获得，而它包含的URL是准确的图片位置，只需再次请求就可以获得。
获取评论
获取评论分为获取第一组评论和获取后续评论。
第一部分
获取第一组评论的接口如下：
Method='GET'
https://weibo.com/ajax/statuses/buildComments?is_reload=1&id=4894355107612311&is_show_bulletin=2&is_mix=0&count=10&uid=5508233899&fetch_level=0
获取第一组评论的参数如下:
params = {
'is_reload': 1, # 是否重新加载数据到页面
'id': 4894355107612311, # 微博文章的id，可以在搜索页面中获得
'is_show_bulletin': 2,
'is_mix': 0,
'count': 10, # 推测是获取每页评论条数，但实际上返回的数据可能不是这个数量
'uid': 5508233899, # 发布这篇微博的用户id，根据测试这个参数可以不带
'fetch_level':0
}
上图为请求到的数据，data是包含着一些评论的列表，从中可以获得到评论的各种信息。
max_id对于后续请求非常重要！！！
后续部分
获取后续评论的接口如下：
Method='GET'
https://weibo.com/ajax/statuses/buildComments?flow=0&is_reload=1&id=4894419260540402&is_show_bulletin=2&is_mix=0&max_id=138317572852662&count=20&uid=1878335471&fetch_level=0
获取后续评论的参数如下：
params = {
'flow': 0, # 根据什么获取，0为热度，1为发布时间
'is_reload': 1, # 是否重新加载数据到页面
'id': 4894419260540402, # 微博文章的id
'is_show_bulletin': 2,
'is_mix': 0,
'max_id': 138317572852662, # 用来控制页数的，这个可以在上一个数据包的响应的max_id
'count': 20, # 推测是获取每页评论条数
'uid': 1878335471, # 发布这篇微博的用户id，根据测试这个参数可以不带
'fetch_level':0
}
相较于“获取第一组评论”，这里的请求参数新增了flow，另外就是非常重要的max_id，这个参数是根据上一个响应数据得到的，也就是说要想继续请求数据，必须知道上一次响应数据中的max_id并拿来作为这次请求的参数。
注意：对于评论数较少的微博，请求完之后貌似返回的max_id是0，这可以作为评论是否爬完的标志。
获取某个用户的微博
分为请求第一部分和后续部分：
第一部分
第一部分URL如下：
Method='GET'
https://weibo.com/ajax/statuses/mymblog?uid=用户ID&page=1&feature=0
注意 ：该请求需要添加请求头信息，其中需要附带cookie，获得方法是在浏览器控制台中查看网络请求，然后将请求头的cookie复制下来。另外要注意，cookie是有生命周期的，超过时间限制之后需要更新cookie。该请求如果不加cookie请求结果将不包含信息。
请求得到的响应数据如下所示：
这里有一个后续请求需要使用到的参数since_id需要保存下来。然后list中包含的就是第一部分的各条微博内容。
补充 ：经过测试，since_id可以不加，后续只改page就可以了。
后续部分
后续部分请求URL如下：
Method='GET'
https://weibo.com/ajax/statuses/mymblog?uid=用户ID&page=页号&feature=0&since_id=前一次请求的响应数据中的since_id
获取完全部微博的判断依据：看某次请求之后list是否为空了。（有的用户微博非常多，所以不建议一直获取完）
只改page就可以了。
后续部分
后续部分请求URL如下：
Method='GET'
https://weibo.com/ajax/statuses/mymblog?uid=用户ID&page=页号&feature=0&since_id=前一次请求的响应数据中的since_id
获取完全部微博的判断依据：看某次请求之后list是否为空了。（有的用户微博非常多，所以不建议一直获取完）