欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

python爬取知乎上的小姐姐

程序员文章站 2024-03-16 14:30:40
...

知乎上的东西质量都很好,有些问题下会有很多很好的回答,其中就有些关于图片的。
比如:

图片有了,那么…
python爬取知乎上的小姐姐

所以我写了个爬虫,把它们都爬下来了。

python爬取知乎上的小姐姐
python爬取知乎上的小姐姐

  1. 找到api

虽然可以通过直接爬html来获取,但是通过api可以获取html所没有的信息。

zhihu_url = 'https://www.zhihu.com/api/v4/questions/{问题id}/answers?' \
		'include=data%5B%2A%5D.is_normal%2Cadmin_closed_comment%2Creward' \
       '_info%2Cis_collapsed%2Cannotation_action%2Cannotation_detail%' \
       '2Ccollapse_reason%2Cis_sticky%2Ccollapsed_by%2Csuggest_edit%2' \
       'Ccomment_count%2Ccan_comment%2Ccontent%2Ceditable_content%2Cv' \
       'oteup_count%2Creshipment_settings%2Ccomment_permission%2Ccrea' \
       'ted_time%2Cupdated_time%2Creview_info%2Crelevant_info%2Cquest' \
       'ion%2Cexcerpt%2Crelationship.is_authorized%2Cis_author%2Cvoti' \
       'ng%2Cis_thanked%2Cis_nothelp%2Cis_labeled%3Bdata%5B%2A%5D.mar' \
       'k_infos%5B%2A%5D.url%3Bdata%5B%2A%5D.author.follower_count%2C' \
       'badge%5B%2A%5D.topics&limit={一页条目数}' \
       '&offset={偏移量}&platform=desktop' \
       '&sort_by={排序方式}'

问题id在url中可以找到,比如https://www.zhihu.com/question/34243513,34243513就是它的id。
一页条目数当然越大越好,不过最大只能取20。
偏移量就是这一页第一条的序号,比如第一页是0,第二页是20(假设一页条目数为20)。
排放方式我们用“updated”,按时间排序。

所以任意一页的url我们就知道了,但是我们不知道有多少页。

  1. 获取json数据
    请求该url就可以获取json数据,其结构如下:
    python爬取知乎上的小姐姐
    python爬取知乎上的小姐姐
    python爬取知乎上的小姐姐

可以看到,每请求一页就可以知道是不是最后一页和获取下一页的地址。


** 代码: **
GitHub:(等我上传到github我再放链接)

** 图包: **
(等我上传到百度云我再放链接)