基于Java爬取微博数据(五) 补充微博正文列表图片 or 视频 内容

基于Java爬取微博数据五 补充微博正文列表图片 or 视频 内容

• 数据分析
• [补充图片 or 视频](#补充图片 or 视频)
• 执行结果

在通过对微博正文内容中的图片 or 视频内容进行分析后，图片 or 视频 链接是可以直接通过 Java 代码下载或者转存的，那么这样就可以补充我们在 【基于Java爬取微博数据(一) 微博主页正文列表数据】 时缺失的图片 or 视频信息了，当然，如果你的需求并不需要转存微博正文列表内容中的图片 or 视频的话，那么你就无需进行下面的操作了。在开始进行微博主页正文列表数据 补充 图片 or 视频内容之前，先来分析一下获取到的微博正文列表数据的内容。

数据分析

同样的，我们先找到获取微博正文列表数据的 ajax 请求 /ajax/statuses/mymblog?uid=1686546714&page=1&feature=0 的响应返回数据

获取到微博正文列表请求响应返回的数据之后，我从中取出一个含图片的完整的微博正文 json 对象 以及 一个含视频的完整的微博正文 json 对象来做一个比较

通过对比工具 Beyond Compare 进行比较这两种情况下返回数据格式的不同，可以看到 含图片的微博正文 返回数据比 含视频的微博正文多了 pic_infos 对象

继续向下比较可以看到 含图片的微博正文 比 含视频的微博正文 少了 page_info对象 而 page_info对象 里面的 media_info 对象正是视频所在对象

到这里，对于微博正文列表内容 含图片微博正文 以及 含视频微博正文 的数据格式基本的分析及对比就结束了，下面开始在 获取微博正文列表内容 DemoWeiBo 的 main 方法中补充这一块内容的获取。

补充图片 or 视频

下面开始补充图片 or 视频 链接的获取操作，考虑到视频链接有 Expires 过期时间字段，那么这里在导出 微博正文列表内容 到 Excel 中时保存 转存后的图片 or 视频路径，首先给导出实体类 ExcelData 增加如下字段

然后在获取微博正文内容列表 main 方法中增加如下代码，这里需要注意的是 pic_ids 和 pic_infos 是配套出现的， pic_ids 的值 就是 pic_infos 子对象的 key

关于 pic_infos 的子对象包括多种 宽高 尺寸的图片链接地址，你可以根据自己的需要选择不同宽高的图片进行转存

最后补充的转存微博正文图片的代码如下

下面再来看获取视频操作，你可以选择 media_info 对象内的以下几种清晰度的视频，

或者也可以选择 media_info 对象内的 playback_list ，里面是 四种清晰度的视频选择，你可以选择其中一种或者多种清晰度的视频链接

最终补充获取微博正文视频内容的代码如下

到这里，补充微博正文内容列表 获取 图片 or 视频的操作就完成了，改造后的 DemoWeiBo.java 代码完整版如下

package com.ruoyi.web.controller.demo.controller;

import cn.hutool.http.HttpResponse;
import cn.hutool.http.HttpUtil;
import com.alibaba.excel.EasyExcel;
import com.alibaba.fastjson.JSON;
import com.alibaba.fastjson.JSONArray;
import com.alibaba.fastjson.JSONObject;

import java.io.BufferedInputStream;
import java.io.FileOutputStream;
import java.io.IOException;
import java.net.HttpURLConnection;
import java.net.URL;
import java.text.ParseException;
import java.text.SimpleDateFormat;
import java.util.ArrayList;
import java.util.Date;
import java.util.List;
import java.util.Objects;

public class DemoWeiBo
{
     /**
     * 主函数入口，用于从微博抓取数据并存储到Excel中。
     *
     * @param args 命令行参数（未使用）
     * @throws ParseException 当日期解析发生错误时抛出
     */
    public static void main(String[] args) throws ParseException {
        // 定义微博数据抓取的URL模板
        String url = "https://weibo.com/ajax/statuses/mymblog?uid=1686546714&feature=0&page=%s";
        String unfoldurl = "https://weibo.com/ajax/statuses/longtext?id=%s";
        String cookie = "你的 Cookie";

        // 初始化日期格式
        SimpleDateFormat dateFormat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
        //初始化导出Excel数据列表
        List<ExcelData> excelDataList = new ArrayList<>();

        // 循环抓取前2页数据
        for (int i = 1; i <= 3; i++) {
            try {
                // 输出开始抓取的提示信息
                System.out.println("开始获取第" + i + "页数据");

                // 格式化URL并发送HTTP请求获取响应
                String urlstr = String.format(url, i);
                HttpResponse response = HttpUtil.createGet(urlstr)
                        .header("User-Agent", "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/124.0.0.0 Safari/537.36")
                        .header("Cookie",cookie)
                        .execute();

                // 解析响应体
                String body = response.body();
                //System.out.println(body);

                JSONObject jsonObject = JSON.parseObject(body).getJSONObject("data");
                JSONArray list = null;
                if (Objects.nonNull(jsonObject)) {
                    // 处理数据列表
                    list = jsonObject.getJSONArray("list");

                    // 遍历并处理每条微博数据
                    for (Object o : list) {
                        JSONObject data = (JSONObject) o;
                        // 解析并处理微博的其他信息
                        Date created = new Date(data.getString("created_at"));
                        System.out.println("created:"+dateFormat.format(created));
                        String regex = "<[^<>]*>";
                        String text = data.getString("text").replaceAll(regex, "");
                        String repost = data.getString("reposts_count");
                        String comment = data.getString("comments_count");
                        String like = data.getString("attitudes_count");

                        //获取微博正文图片信息
                        StringBuffer pic_url = new StringBuffer();
                        Long pic_num = data.getLong("pic_num");
                        if (pic_num > 0 ) {
                            JSONArray pic_ids = data.getJSONArray("pic_ids");
                            JSONObject pic_infos = data.getJSONObject("pic_infos");
                            // 遍历 pic_ids 获取 pic_infos 子对象 key
                            for (Object json : pic_ids) {
                                String key = (String) json;
                                JSONObject pic = pic_infos.getJSONObject(key);
                                JSONObject largest = pic.getJSONObject("largest");
                                // 提取图片URL并处理
                                String imageUrl = largest.getString("url");
                                String filename = imageUrl.substring(imageUrl.lastIndexOf("/") + 1);
                                // 下载图片
                                String savePath = "E:\\2024weibo\\" + filename;
                                downloadPicture(imageUrl, savePath);
                                pic_url = pic_url.append(savePath).append(",");
                            }
                        }

                        //获取微博正文视频信息
                        String video_url = "";
                        JSONObject page_info = data.getJSONObject("page_info");
                        if (Objects.nonNull(page_info)) {
                            JSONObject media_info = page_info.getJSONObject("media_info");
                            String mp4_hd_url = media_info.getString("mp4_hd_url");
                            String filename = mp4_hd_url.substring(mp4_hd_url.lastIndexOf("/") + 1, mp4_hd_url.indexOf("?"));
                            // 下载视频
                            String savePath = "E:\\2024weibo\\" + filename;
                            downloadPicture(mp4_hd_url, savePath);
                            video_url = savePath;
                        }

                        //有一种情况，就是当页面文本内容过多的时候，微博默认不展示全部，而是出现 【...展示】 按钮，此时需要再请求一个 URL 获取展开后的文本内容
                        if (text.lastIndexOf("...展开") != -1) {
                            //说明存在 展开 需要重新获取 text 内容
                            String mblogid = data.getString("mblogid");
                            // 格式化URL并发送HTTP请求获取响应
                            String unfoldurlstr = String.format(unfoldurl, mblogid);
                            HttpResponse response2 = HttpUtil.createGet(unfoldurlstr)
                                    .header("User-Agent", "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/124.0.0.0 Safari/537.36")
                                    .header("Cookie",cookie)
                                    .execute();
                            // {"ok": 1,"http_code": 200,"data": {}}
                            String body2 = response2.body();
                            JSONObject jsonObject2 = JSONObject.parseObject(body2).getJSONObject("data");
                            String longTextContent = jsonObject2.getString("longTextContent");
                            System.out.println("longTextContent:"+longTextContent);
                            //补全后的内容赋给 text
                            text = longTextContent;
                        }

                        // 创建ExcelData对象并填充数据
                        ExcelData excelData = new ExcelData();
                        //发布时间
                        excelData.setDate(created);
                        //点赞数
                        excelData.setLike(Long.parseLong(like));
                        //评论数
                        excelData.setComment(Long.parseLong(comment));
                        //转发数
                        excelData.setRepost(Long.parseLong(repost));
                        //原始内容
                        excelData.setContent(text);
                        //图片地址
                        excelData.setImgUrl(pic_url.toString());
                        //视频地址
                        excelData.setVideoUrl(video_url);
                        excelDataList.add(excelData);
                    }
                }

                // 输出完成提示并关闭响应，休眠以避免频繁请求
                System.out.println("第" + i + "页数据获取完毕");
                response.close();
                // 如果列表为空，终止循环
                if (list == null || list.size() == 0) {
                    break;
                }
                Thread.sleep(700);
            } catch (Exception e) {
                // 打印异常信息
                e.printStackTrace();
            }
        }

        // 输出开始写入Excel的提示
        System.out.println("Excel写入数据开始");
        // 写入Excel的函数调用
        EasyExcel.write("E:/微博.xlsx", ExcelData.class)
                .sheet("Sheet1")
                .doWrite(excelDataList);
        System.out.println("Excel写入数据结束");
    }

    /**
     * 下载图片到指定路径
     *
     * @param imageUrl 图片的URL地址
     * @param savePath 图片保存的本地路径
     */
    public static void downloadPicture(String imageUrl, String savePath){

        BufferedInputStream in = null;
        FileOutputStream out = null;
        HttpURLConnection connection = null;
        try {
            // 创建URL对象并打开连接
            URL url = new URL(imageUrl);
            connection = (HttpURLConnection) url.openConnection();
            // 设置请求方法为GET
            connection.setRequestMethod("GET");
            // 建立连接
            connection.connect();

            // 获取响应码并判断是否下载成功
            int responseCode = connection.getResponseCode();
            if (responseCode == HttpURLConnection.HTTP_OK) {
                // 创建输入流和输出流，用于读取和保存图片
                in = new BufferedInputStream(connection.getInputStream());
                out = new FileOutputStream(savePath);

                // 缓冲区，用于一次读取和写入一定量的数据
                byte[] buffer = new byte[1024];
                int bytesRead;
                // 循环读取直到没有数据
                while ((bytesRead = in.read(buffer)) != -1) {
                    out.write(buffer, 0, bytesRead);
                }
                System.out.println("图片/视频 下载成功，保存路径：" + savePath);
            } else {
                // 响应码不为HTTP_OK，下载失败
                System.out.println("无法下载图片/视频，响应码：" + responseCode);
            }

        }catch (Exception e) {
            // 捕获异常并打印堆栈信息
            e.printStackTrace();
        }finally {
            // 无论成功或失败，最后都关闭流和连接
            // 关闭输入流
            if (in != null) {
                try {
                    in.close();
                } catch (IOException e) {
                    // 将IO异常转为运行时异常抛出
                    throw new RuntimeException(e);
                }
            }
            // 关闭输出流
            if (out != null) {
                try {
                    out.close();
                } catch (IOException e) {
                    // 将IO异常转为运行时异常抛出
                    throw new RuntimeException(e);
                }
            }
            // 关闭连接
            if (connection != null) {
                connection.disconnect();
            }
        }
    }
}

执行结果

执行main 方法后的输出 Excel 结果如图

图片链接和视频链接都已经转存记录成功。