前言
文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。
PS：如有需要Python学习资料的小伙伴可以加点击下方链接自行获取http://t.cn/A6Zvjdun
我们用爬虫爬了下这个问题下的高赞照片。在欣赏小姐姐的美照之前，我们先来分享一下思路。
首先通过浏览器的开发者工具，找到所有回答的链接。知乎的回答都是ajax的方式加载的，一次加载一页。
我们可以通过知乎回答的url，先把回答一页一页的爬下来，存到本地数据库。随后从数据库里读取数据，筛选出高赞的回答，把回答里的图片解析出来。
思路大致就是这样。
<code>def get_answers_by_page(page_no):
offset = page_no * 10
url = "<answer>&offset={}&limit=10&sort_by=default&platform=desktop".format(offset)
headers = {
"User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36",
}
r = requests.get(url, verify=False, headers=headers)
content = r.content.decode("utf-8")
data = json.loads(content)
is_end = data["paging"]["is_end"]
items = data["data"]
client = pymongo.MongoClient()
db = client["beauty"]
if len(items) > 0:
db.answers.insert_many(items)
return is_end
def get_answers():
page_no = 0
client = pymongo.MongoClient()
while True:
print(page_no)
is_end = get_answers_by_page(page_no)
page_no += 1
if is_end:
break
def query():
client = pymongo.MongoClient()
db = client["beauty"]
items = db.answers.find({"voteup_count": {"$gte": 100}}).sort([("voteup_count", pymongo.DESCENDING)])
count = 0
for item in items:
content = item["content"]
vote_num = item["voteup_count"]
author = item["author"]["name"]
matched = re.findall(r'data-original="([^"]+)"', content)
print("> 来自 {}\\n".format(item["url"]))
print("> 作者 {}\\n".format(author))
print("> 赞数 {}\\n".format(vote_num))
img_urls = []
for img_url in matched:
if img_url not in img_urls:
print("".format(img_url))
img_urls.append(img_url)
count += len(img_urls)
print("\\n\\n")
print(count)/<answer>/<code>
上面是3个函数。
- get_answers_by_page - 这个函数用于获取一页的回答内容，获取的内容会存到本地MongoDB里
- get_answers - 这个函数用于获取所有页的内容，它会调用上面的函数，循环获取每一页的内容
- query - 这个函数用于从MongoDB里查询数据，筛选高赞回答，并且把结果打印出来
来自 https://www.zhihu.com/api/v4/answers/616931654
作者 不知
赞数 24153
来自 https://www.zhihu.com/api/v4/answers/768553689
作者 一只喝酒的猫Miao
赞数17702
分享到:
閱讀更多 松鼠愛吃餅乾 的文章
