5分钟教会你用Python采集CSDN的热榜

上次发了一篇《热榜标题词云实时更新词云上线，给标题起名提供参观建议》，今天突然上热榜一一段时间，还被范博at了。虽然对上热榜本身已经无感，但是被范博at还非常让我高兴的。

这到晚上后，有人在评论区问到热榜数据怎么爬。

热心的我，现在就花几分钟时间教会大家。

首先，打开热榜页面并打开开发者工具，监控xhr类型的请求：

然后复制为curl(bash)类型的请求：

然后我们在jupyte中执行：

!curl2py

注意：该命令需要安装filestools

安装命令：pip install filestools

详见：https://pypi.org/project/filestools/

然后就可以将当前请求的python代码粘贴出来了，删除cookie部分后如下：

import requests
import json

headers = {
    "authority": "blog.csdn.net",
    "accept": "application/json, text/plain, **",
    "user-agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36",
    "sec-fetch-site": "same-origin",
    "sec-fetch-mode": "cors",
    "sec-fetch-dest": "empty",
    "referer": "https://blog.csdn.net/rank/list",
    "accept-language": "zh-CN,zh;q=0.9"
}
session = requests.session()
session.get("https://blog.csdn.net/rank/list", headers=headers)

params = {
    "page": "",
    "pageSize": "25"
}
result = []
for i in range(4):
    params["page"] = str(i)
    res = session.get(
        "https://blog.csdn.net/phoenix/web/blog/hot-rank", params=params, headers=headers)
    df = pd.Dataframe(res.json()['data'])[[
        "userName", "nickName", "articleTitle", "viewCount",
        "commentCount", "favorCount", "articleDetailUrl", "hotRankScore"]]
    result.append(df)
hot_rank = pd.concat(result, ignore_index=True)
hot_rank.commentCount = hot_rank.commentCount.astype(int)
hot_rank.favorCount = hot_rank.favorCount.astype(int)
hot_rank.viewCount = hot_rank.viewCount.astype(int)
hot_rank.hotRankScore = hot_rank.hotRankScore.astype(int)
hot_rank.index += 1
hot_rank.reset_index(inplace=True)
hot_rank.columns = ["排名", "csdnid", "昵称", "标题", "阅读", "评论", "收藏", "链接", "热度"]
hot_rank

这样我们就获取热榜100条的所有数据了。

就是这么简单，童鞋们都再也不用担心不会采集热榜了。