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

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 keyfor (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 texttext = 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GETconnection.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。