微博热搜无法直接用requests爬取，因其接口严格限流、加密且需有效登录态；selenium也常被行为检测拦截；可行方案是使用官方api、聚合平台如“今日热榜”，或playwright复用扫码登录态。
直接爬取主流社交媒体（如微博、抖音、小红书）的热搜榜单，现在基本不可行——它们全量接口已严格限流、加密或要求登录态，requests 直接 GET https://s.weibo.com/top/summary 这类页面返回的是空壳 HTML 或 412/403 错误，不是数据缺失，是服务端主动拦截。
为什么你抓不到 hotsearch 接口返回的真实 JSON？
微博、知乎、B站等平台的“热搜”数据实际来自前端 JS 动态请求的 XHR 接口（比如微博的 https://weibo.com/ajax/side/hotSearch），但这些接口普遍带以下防护：
- 必须携带有效的
X-XSRF-TOKEN或Cookie（含SSOLoginState等字段），且有效期短（通常 1–2 小时） - 请求头中
User-Agent和Referer被校验，硬编码固定值会触发风控 - 部分接口返回数据是 AES 或 RSA 加密的，解密密钥藏在前端 JS 里，每次发布版本都可能变
- IP 频次超限后返回
429 Too Many Requests或静默返回空数组[]
用 selenium + undetected-chromedriver 模拟真实访问仍大概率失败
即使绕过登录、自动提取 Cookie，也常卡在「行为检测」环节：平台会通过 navigator.webdriver、chrome.runtime、Canvas 指纹、鼠标轨迹等识别自动化工具。常见表现：
- 页面加载后始终显示「正在验证身份…」，不跳转
- 成功登录后，
document.querySelector('.hot-list')返回null，因为 DOM 被动态清空 - 控制台报错
Failed to execute 'postMessage' on 'DOMWindow': The target origin ... does not match，说明跨域沙箱拦截了关键通信 - 使用
undetected-chromedriver v3仍被识别为 bot，需额外打补丁（如 patchcdc_字符串、禁用automationEnabled）
真正能落地的替代方案只有两个
放弃「实时抓取原始热搜页」，转向更稳定、合规、低维护的数据源：
-
用平台官方开放 API：微博有
statuses/hot_topic（需企业认证+白名单），微信搜一搜提供「热词榜」API（需公众号后台开通，返回带热度值的 JSON） -
采集公开聚合页面：如「今日热榜」
https://www.tody.today/提供多平台热搜汇总，其接口https://www.tody.today/api/v2/rankings无认证、无加密、CORS 开放，可直接requests.get()获取全部榜单（含微博、知乎、V2EX、豆瓣等） - 若必须定制化，建议用
playwright启动真实浏览器 + 手动扫码登录一次，之后复用storage_state.json维持登录态，再定时访问https://weibo.com/ajax/side/hotSearch（注意：该接口响应头含Set-Cookie，需自动更新 Cookie）
最易被忽略的一点：哪怕你绕过了所有技术反爬，微博《开发者协议》第 3.2 条明文禁止「未经许可采集热搜榜单用于商业分析」；小红书《Robots.txt》直接禁止爬 /api/sns/web/v1/popular。真要跑通，得先确认用途是否在平台允许范围内——技术能绕开的只是门槛，不是条款。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
