1. 知乎文章圖片爬取器之二博客背景 昨天寫了知乎文章圖片爬取器的一部分代碼，針對知乎問題的答案json進行了數據抓取，博客中出現了部分寫死的內容，今天把那部分信息調整完畢，並且將圖片下載完善到代碼中去。 首先，需要獲取任意知乎的問題，只需要你輸入問題的ID，就可以獲取相關的頁面信息，比如最重要的合 ...
1. 知乎文章圖片爬取器之二博客背景
昨天寫了知乎文章圖片爬取器的一部分代碼，針對知乎問題的答案json進行了數據抓取，博客中出現了部分寫死的內容，今天把那部分信息調整完畢，並且將圖片下載完善到代碼中去。
首先，需要獲取任意知乎的問題，只需要你輸入問題的ID，就可以獲取相關的頁面信息，比如最重要的合計有多少人回答問題。
問題ID為如下標紅數字
https://www.zhihu.com/question/29024583
編寫代碼，下麵的代碼用來檢測用戶輸入的是否是正確的ID，並且通過拼接URL去獲取該問題下麵合計有多少答案。
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 # 準備插入數據
BASE_URL = "https://www.zhihu.com/question/{}"
def get_totle_answers(article_id):
headers = {
"user-agent": "需要自己補全 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{}條數據".format(s.groups()[0]))
return s.groups()[0]
if __name__ == '__main__':
# 用死迴圈判斷用戶輸入的是否是數字
article_id = ""
while not article_id.isdigit():
article_id = input("請輸入文章ID：")
totle = get_totle_answers(article_id)
if int(totle)>0:
zhi = ZhihuOne(article_id,totle)
zhi.run()
else:
print("沒有任何數據！")
完善圖片下載部分，圖片下載地址在查閱過程中發現，存在json欄位的content中，我們採用簡單的正則表達式將他匹配出來。細節如下圖展示
編寫代碼吧，下麵的代碼註釋請仔細閱讀，中間有一個小BUG，需要手動把pic3修改為pic2這個地方目前原因不明確，可能是我本地網路的原因，還有請在項目根目錄先創建一個imgs的文件夾，用來存儲圖片
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: # 這個地方進行了硬編碼
f.write(content)
print("圖片下載完成", end="\n")
except Exception as e:
print(e.args)
else:
pass運行結果為
然後在玩知乎的過程中，發現了好多好問題
