作者：wklken
来源：
http://blog.csdn.net/wklken/article/details/7884529
今天开新浪微博，才发现收藏已然有2000+了，足足104页，貌似需要整理下了，可是一页页整理，难以想象
所以想下载，然后进行提取处理，转为文档。
我们关注的：
1.微博正文+评论内容
2.图片
3.视频链接
1.脚本模拟登陆新浪微博，保存cookie
2.有了cookie信息后，访问收藏页面url
3.从第一页开始，逐步访问，直到最后，脚本中进行了两步处理
A.直接下载网页（下载到本地，当然，要看的时候需要联网，因为js，图片神马的，都还在）
B.解析出微博需要的内容，目前只是存下来，还没有处理
后续会用lxml通过xpath读取，转换成文档，当然，图片和视频链接也会一同处理，目前未想好处理成什么格式。(困了，明后天接着写)
模拟登陆微博采用是http://www.douban.com/note/201767245/
里面很详细，直接拉来用了
1.进入自己的微博，右侧，收藏，进入收藏页面
http://weibo.com/fav?leftnav=1&wvr=3.6&page=1
拿前缀
2.修改脚本填写
用户名
密码
前缀http://weibo.com/fav?leftnav=1&wvr=3.6&page=
3.运行脚本
python weibo_collect.py
结果：
其中，带序号的，只能连网时点击打开有效
tmpcontent是包含所有微博内容信息，但目前还没有处理(还没想好提取成什么格式，容后再说)
