本文共 1407 字,大约阅读时间需要 4 分钟。
知乎还是很友好的 总体来说没啥难度 简单说下思路
1.评论是动态加载的 直接找json接口
2.分析接口参数,我测试的时候一次最多能拿20条数据(不过我还是一条一条拿的)
3.循环发送请求,其实可以先把评论数抓下来再for range 我只是比较懒(。・ω・。)
4.有的评论没图片,简单try一下或者if处理
首先需要引入爬虫库
import requestsfrom bs4 import BeautifulSoupimport json
发送请求
#发送请求函数def getpage(header, cookie): for i in range(1000,2000): base_url = 'https://www.zhihu.com/api/v4/questions/29815334/answers?include=data%5B*%5D.is_normal%2Cadmin_closed' \ '_comment%2Creward_info%2Cis_collapsed%2Cannotation_action%2Cannotation_detail%2Ccollapse_reason%2Cis' \ '_sticky%2Ccollapsed_by%2Csuggest_edit%2Ccomment_count%2Ccan_comment%2Ccontent&offset=' + str(i) + '&limit=1&sort' \ '_by=default' response = requests.get(base_url, headers=header, cookies=cookie) html = response.text img_json = json.loads(html) print('正在抓取知乎长腿小姐姐图片 第%s条评论'% i) contentpage(img_json)
解析json数据
#解析json数据def contentpage(img_json): try: data = img_json["data"][0] content = data["content"] # print(content) html = BeautifulSoup(content,'lxml') # 提取img标签 由于会抓到两张一页的图片所以每隔一个提取一次 img_page = html.select('img')[::2] for i in img_page: address = i.get('src') # print(address) imgpage(address) except: print('此评论没有图片')
大家需要源码可以直接关注《志学Python》公众号,回复‘长腿妹子’,直接给你网盘地址,过期了可以直接后台回复,看到我会回复的
随便挑了几张给你们欣赏下!
转载地址:http://iobtf.baihongyu.com/