Python爬取知乎圖片代碼實(shí)現(xiàn)解析

更新時(shí)間：2019年09月17日 11:19:08 作者：Python學(xué)習(xí)匯

這篇文章主要介紹了Python爬取知乎圖片代碼實(shí)現(xiàn)解析,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下

首先，需要獲取任意知乎的問題，只需要你輸入問題的ID，就可以獲取相關(guān)的頁(yè)面信息，比如最重要的合計(jì)有多少人回答問題。

問題ID為如下標(biāo)紅數(shù)字

編寫代碼，下面的代碼用來(lái)檢測(cè)用戶輸入的是否是正確的ID，并且通過拼接URL去獲取該問題下面合計(jì)有多少答案。

import requests
import re
import pymongo
import time
DATABASE_IP = '127.0.0.1'
DATABASE_PORT = 27017
DATABASE_NAME = 'sun'
client = pymongo.MongoClient(DATABASE_IP,DATABASE_PORT)
db = client.sun
db.authenticate("dba", "dba")
collection = db.zhihuone # 準(zhǔn)備插入數(shù)據(jù)
BASE_URL = "https://www.zhihu.com/question/{}"
def get_totle_answers(article_id):
  headers = {
    "user-agent": "需要自己補(bǔ)全 Mozilla/5.0 (Windows NT 10.0; WOW64)"
  }
  with requests.Session() as s:
    with s.get(BASE_URL.format(article_id),headers=headers,timeout=3) as rep:
      html = rep.text
      pattern =re.compile( '<meta itemProp="answerCount" content="(\d*?)"/>')
      s = pattern.search(html)
      print("查找到{}條數(shù)據(jù)".format(s.groups()[0]))
      return s.groups()[0]
if __name__ == '__main__':
  # 用死循環(huán)判斷用戶輸入的是否是數(shù)字
  article_id = ""
  while not article_id.isdigit():
    article_id = input("請(qǐng)輸入文章ID：")
  totle = get_totle_answers(article_id)
  if int(totle)>0:
    zhi = ZhihuOne(article_id,totle)
    zhi.run()
  else:
    print("沒有任何數(shù)據(jù)！")

完善圖片下載部分，圖片下載地址在查閱過程中發(fā)現(xiàn)，存在json字段的content中，我們采用簡(jiǎn)單的正則表達(dá)式將他匹配出來(lái)。細(xì)節(jié)如下圖展示

編寫代碼吧，下面的代碼注釋請(qǐng)仔細(xì)閱讀，中間有一個(gè)小BUG，需要手動(dòng)把pic3修改為pic2這個(gè)地方目前原因不明確，可能是我本地網(wǎng)絡(luò)的原因，還有請(qǐng)?jiān)陧?xiàng)目根目錄先創(chuàng)建一個(gè)imgs的文件夾，用來(lái)存儲(chǔ)圖片

  def download_img(self,data):
    ## 下載圖片
    for item in data["data"]:
      content = item["content"]
      pattern = re.compile('<noscript>(.*?)</noscript>')
      imgs = pattern.findall(content)
      if len(imgs) > 0:
        for img in imgs:
          match = re.search('<img src="(.*?)"', img)
          download = match.groups()[0]
          download = download.replace("pic3", "pic2") # 小BUG,pic3的下載不到
          print("正在下載{}".format(download), end="")
          try:
            with requests.Session() as s:
              with s.get(download) as img_down:
                # 獲取文件名稱
                file = download[download.rindex("/") + 1:]
                content = img_down.content
                with open("imgs/{}".format(file), "wb+") as f: # 這個(gè)地方進(jìn)行了硬編碼
                  f.write(content)

                print("圖片下載完成", end="\n")
          except Exception as e:
            print(e.args)
      else:
        pass

運(yùn)行結(jié)果為