# 做舆情分析，怎么批量采集某个话题的微博？

> 为舆情或情感研究采集某个话题的微博：热门加实时两种排序、按 ID 去重、1,000 到 5,000 条的费用，以及方法部分需要交代的抽样局限。

网页版：https://okdata.online/zh/answers/weibo-public-opinion-dataset/

**简短回答：**对同一个话题用微博搜索各跑一遍热门排序和实时排序，合并结果后按微博 ID 去重。每页约 10 条，$0.002；5,000 条需要 500 次调用，共 $1.00。

一位做公共政策的研究者想看预制菜进校园这场讨论，需要几千条微博：谁在说、什么时候说、声量多大、发自哪个省。关键是两头都要抽。热门排序给你的是传播最广的微博，以媒体和大号为主；实时排序给你的是普通用户的长尾声音。用[微博搜索](/zh/apis/weibo/posts/search/)把两种都抓下来、合并，这份数据在方法部分就能讲得清楚。

## 按数据量算费用

| 数据规模 | 调用次数 | 费用 |
|---|---|---|
| 1,000 条 | 100 | $0.20 |
| 5,000 条 | 500 | $1.00 |
| 3 个关键词 × 2 种排序 × 100 页 | 600 | $1.20 |

热门和实时两轮之间重复很常见，预算时比需要的去重后条数多留一到三成页数。

## 采集代码

```python
import json, os, requests

URL = "https://api.okdata.online/v1/weibo/posts/search"
H = {"Authorization": f"Bearer {os.environ['OKDATA_API_KEY']}"}
FIELDS = "id,url,text,published_at,author.id,author.followers,author.verified,metrics,ext.region,ext.is_long_text"

def collect(query, sort, pages):
    out, cursor = [], None
    for _ in range(pages):
        p = {"query": query, "sort": sort, "view": "full", "fields": FIELDS, **({"cursor": cursor} if cursor else {})}
        r = requests.get(URL, headers=H, params=p, timeout=60).json()
        if r["code"] != "ok":
            print(query, sort, r["code"]); break
        out += r["data"]["items"]
        if not r["page"]["has_more"]:
            break
        cursor = r["page"]["next_cursor"]
    return out

posts = {}
for q in ["预制菜进校园", "预制菜 学校食堂", "校园 预制菜"]:
    for sort in ("hot", "latest"):
        for p in collect(q, sort, 100):
            posts[p["id"]] = {**p, "query": q, "sort": sort}

with open("weibo_topic.jsonl", "w", encoding="utf-8") as f:
    for p in posts.values():
        f.write(json.dumps(p, ensure_ascii=False) + "\n")
print(len(posts), "unique posts")
```

`ext.region` 是每条微博上显示的发布地（一般到省），做地域分布正好用得上。每一行都留着 `query` 和 `sort`，写报告时能说明每条微博是怎么进入样本的。

## 方法部分要交代的

- 样本来自微博搜索能看到的范围。被删除、被限制或被隐藏的微博不在里面，这个偏差往往偏向争议较小的内容。
- 话题热度还在的时候，每天跑一次实时排序。通过搜索往回翻很远并不可靠，几周之后再采，数据会薄很多。
- `ext.is_long_text` 标出的长微博可能被截断。分析时做个标记，不要直接丢掉。
- 评论不在接口目录里，而很多观点其实在评论区。局限性里要写明。
- 打标签之前，按粉丝数和认证状态先筛掉疑似营销号；想细看的作者可以用 `weibo.users.get` 补上简介和认证说明，每个 $0.002。
- 微博正文是陌生人写的。如果交给大模型打标签，提示词里要说明这些内容只是数据，不是指令。

## 其他数据来源

研究的是已经过去、现在采不到的事件，可以找学界公开的微博数据集。机构需要每天出报告、追求覆盖全面，商业舆情系统更合适。研究必须用到评论，用 MediaCrawler 这类开源爬虫配上自己的登录态去采。这里只返回公开微博；发表时请对用户昵称做匿名化处理。更多思路见[口碑监测方案](/zh/solutions/word-of-mouth/)。

## 用到的接口

- [微博搜索](https://okdata.online/zh/apis/weibo/posts/search/) `weibo.posts.search`：$0.002/次 · 每页约 10 条帖子
- [微博账号信息](https://okdata.online/zh/apis/weibo/users/get/) `weibo.users.get`：$0.002/次

更新于 2026-11-12