大海啊,夏天啊,全是腿啊
发布日期:2021-07-01 00:31:18 浏览次数:2 分类:技术文章

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:https://m528964214.blog.csdn.net/article/details/105911615 如侵犯您的版权,请留言回复原文章的地址,我们会给您删除此文章,给您带来不便请您谅解!

上一篇:python oop 指南(值得收藏)
下一篇:福利来了

发表评论

最新留言

做的很好,不错不错
[***.243.131.199]2024年04月24日 22时31分24秒