七夕过后，你有分析过自己单身的原因吗？

将裸睡的猪设为置顶 追剧不如追爬虫

昨天的朋友圈都在丧心病狂的秀恩爱，秀520红包！于是就有人出来普法教育。。。

可是还有更多老铁连发红包的机会都没有。。。

为什么这么多如此优秀的同学都还是单身呢？你有分析过自己单身的原因吗？

一、需求背景

今天逛微博的时候发现一个有趣的话题#90后单身原因TOP3#

七夕之际，一份针对全国90后青年婚恋观进行抽样调查公布了结果。结果显示，一线城市单身占比持续领先。90后单身原因TOP3：圈子小、工作忙、对爱情幻想过于完美。

单身的三大原因：圈子小、工作忙、对爱情幻想过于完美！

猪哥觉得这三个原因都并不合理，难道单身的原因难道不是因为穷吗？

二、功能描述

好奇这个调查是怎么来的？猪哥认为真实性有待考证，刚好这几天我们也学习了如何爬取微博话题，今天就来分析一下为何很多同学如此优秀却依然单身！

三、技术方案

1. 模拟登录微博

2. 爬取话题

3. 保存文件

4. 数据清洗

5. 数据分析

四、模拟登录

模拟登录之前讲爬取#周杰伦超话#的时候已经讲过了，这里就不再重复，直接贴出代码！

五、爬取话题

1.找到话题加载数据url

https://m.weibo.cn/api/container/getIndex?containerid=100103type%3D61%26q%3D%2390%E5%90%8E%E5%8D%95%E8%BA%AB%E5%8E%9F%E5%9B%A0TOP3%23%26t%3D0&isnewpage=1&extparam=pos%3D41%26c_type%3D31%26realpos%3D40%26flag%3D0%26filter_type%3Drealtimehot%26cate%3D0%26display_time%3D1565179797&luicode=10000011&lfid=106003type%3D25%26t%3D3%26disable_hot%3D1%26filter_type%3Drealtimehot&page_type=searchall

2.代码模拟请求数据

我们依然使用requests库来爬取数据，这次猪哥在请求的时候增加了一个参数：timeout，这样做是为了防止请求某个一直没有应答导致堵死其他请求！

3.提取微博内容

要想提取微博内容就需要了解请求返回的数据格式

了解数据格式之后我们就可以写代码提取我们想要的微博内容啦！

上图我们已经拿到微博内容，但是还有很多网页标签，我们来用正则将网页标签去掉，和开头的话题开头！

4.保存文件

微博内容提取出来之后，我们将他们保存起来！

六、批量爬取

批量爬取就涉及分页，上次我们将周杰伦超话时，它的分页机制是：

微博超话分页机制：根据时间分页，每一条微博都有一个since_id，时间越大的since_id越大所以在请求时将since_id传入，则会加载对应话题下比此since_id小的微博，然后又重新获取最小since_id将最小since_id传入，依次请求，这样便实现分页

那这个话题的分页机制也是这样的吗？我们来对比一下第一次请求与第二次请求的url

我们发现普通话题的分页机制竟然是page的形式，看来微博对不同级别的话题有不同的分页机制！

page形式的分页机制，之前我们讲了很多个案例，直接for循环传入i，而这个i就当作page就可以啦！

七、数据分析

数据分析我们采用pyecharts库，这是一个非常好用的可视化分析库！

先读取数据，然后使用jieba库进行分词和数据清洗，最后使用pyecharts库做展示！

之前调查结果显示单身的三大原因是：圈子小、工作忙、对爱情幻想过于完美。在我们数据分析得出的结果好像确实如此！

之前猪哥说大家
单身是因为穷
看来只有猪哥穷

【完】

裸睡的猪（ID：IT--Pig）

作者：猪哥-Pythoner，禁止未授权转载，授权请私聊