Python爬蟲基礎丨採集知乎問答區內容

来源:https://www.cnblogs.com/hahaa/archive/2023/02/24/17152976.html
-Advertisement-
Play Games

不知道現在還有多少人玩知某乎,我們那時候沒事就刷刷知某乎,貼某吧,不知留下了多少足跡。 知乎上問答的質量挺高,今天咱們就對其問答內容進行爬蟲實驗。 效果展示 可以看到,數據咱們就獲取下來了,保存就可以了。 代碼展示 import requests import re import json impo ...


不知道現在還有多少人玩知某乎,我們那時候沒事就刷刷知某乎,貼某吧,不知留下了多少足跡。

知乎上問答的質量挺高,今天咱們就對其問答內容進行爬蟲實驗。

效果展示

可以看到,數據咱們就獲取下來了,保存就可以了。

代碼展示

import requests
import re
import json
import pprint
# 文章不理解,我還專門個大家錄製了詳細的視頻講解,直接在這個扣裙裡面領取 708525271
 
headers = {
    'cookie': '__snaker__id=tx5pc8xnwNvTYvG3; SESSIONID=stAjAfHLiBBtepPE5fTov5aYQJYBLURoM8YhM5jRXqG; JOID=W1EUA0yH_mXOxwv_Jo6gdXoTh844pNVH6uoo1ASq3U7s4ybcDe3ljKTJA_YgcWoL8eX7c_wINvZ6Pe0AjXgWecM=; osd=WloVAUOG9WTMyAr0J4yvdHEShcE5r9RF5esj1Qal3EXt4SndBuzng6XCAvQvcGEK8-r6eP0KOfdxPO8PjHMXe8w=; _zap=ba7095c9-0aae-423f-9975-92c7813e6036; d_c0=ANAWztCFPxaPTkyqOI3cpp5phHc7BJUpFhs=|1675000059; YD00517437729195%3AWM_TID=q1pMuo8yFBhAAQVQURLAPRTyEuWDd2qg; arialoadData=false; YD00517437729195%3AWM_NI=jPZTAA6q1q7YI0MPivmHxhtaLmJ7TBYjTAF34UDD36WmBPrKwe5O4Lfww1472OKDIPEwCz5Ug2Hrtg%2BMm8apy4EH%2BmnIshxyXyWNH2jmJ%2FmJIFwli06F3A4RKje5REwBUXo%3D; YD00517437729195%3AWM_NIKE=9ca17ae2e6ffcda170e2e6ee8fb246a7eb8187c142bbb48bb6d84a969b9e86d46b91bb96a6cb728ceafbd5d82af0fea7c3b92aaa9096b5c44bf6afff92b6538bf083b1ec7eaf98b889f76b90b386d8d74a9bb69ca2c539f88b8ca5b23e95b38eb1f141b5bbfbb0b748a6a9b9d2b73df29185a5cc5c87a98d9bb85fa5ee8893f76de993a3d9e47cbbec8ba9aa67ae97bd89fb739ca799afcb3aaab386d0f0428b9ab98dec3cf69afda2b75a89b6abd6d14fb59e9bb9ee37e2a3; _xsrf=8cfa292c-c915-42f3-b376-a82f56613cc3; Hm_lvt_98beee57fd2ef70ccdd5ca52b9740c49=1676462242,1676547626,1676557107,1676612193; Hm_lpvt_98beee57fd2ef70ccdd5ca52b9740c49=1676612193; captcha_session_v2=2|1:0|10:1676612193|18:captcha_session_v2|88:SWI5MW91WjcybkczamhaT1FOY0lCZWczM1h1UDBvVTBQcXFYcC9JWm9qUXlybkIvbW5MQWFvd1lpeHVLUVVTWg==|68915c879a030053a7c3b5921aa2d5974f5837adb19001b606e891ae08247c14; gdxidpyhxdE=ohaj9Ig0u1f%5CcdLdC0QAEhJE6fplEfZ%2BYp07xr3XVZCJ3JmJQRfzhckh%2BJayuMOQGReJMfCem4ZE2Slz2MHMzY4r5fkAIJpTvzYcqGPHtICLgVWSM6lR5tNj1Y0O0436Gun52GbM9HW9%2F15JME0vJYKLhdSQtwykihOokRLmLbeVXJ4K%3A1676613094284; KLBRSID=2177cbf908056c6654e972f5ddc96dc2|1676612386|1676612191',
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/110.0.0.0 Safari/537.36'
}
url = 'https://www.****.com/question/584206512'
html_data = requests.get(url=url, headers=headers).text
json_str = re.findall('<script id="js-initialData" type="text/json">(.*?)</script>', html_data)[0]
json_data = json.loads(json_str)
next_url = json_data['initialState']['question']['answers']['584206512']['next']
answers = json_data['initialState']['entities']['answers']
for key in list(answers.keys()):
    print(answers[key]['content'])

 

最後

視頻我都錄製了對應的視頻講解,大家直接在下方領取,包括代碼!

今天的分享就到這結束了,下次見!


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 面向對象高級第一天 static關鍵字 是靜態的意思,可以修飾成員變數,也可以修飾成員方法 成員變數的分類 靜態成員變數 有static修飾,屬於類,與類一起載入,記憶體中只有一份,可以被共用訪問。 什麼時候用呢?如果信息要被共用,只需要一份就用靜態成員變數,比如:系統線上人數。 訪問規則: 建議用類 ...
  • 今天我們來學習下模板方法設計模式。 模板方法(Template Method Pattern):抽象的父類中定義一個操作中演算法的骨架,而將一些步驟延遲到子類中。使得子類可以不改變一個演算法的結構,即可重新定義該演算法的某些特定步驟。簡單地講,就是“父類的模板方法定義不變的流程,子類重寫流程中的方法”。 ...
  • 對記憶體里float4位元組的好奇 初學電腦都要學那個什麼二進位十進位什麼補碼 反碼那些玩意兒哈,由於最近要做一個單片機往另外一個單片機發數據的需求,直接c語言指針 然後float4位元組傳過去不就得了嗎,麻煩就麻煩在這裡 另一端編程機是個啥鳥lua 麻煩的一逼,integer這種我們就不說了哈因為實在 ...
  • 前言 上篇文章我們大體捋順了Pstream類,但上篇沒有講到的是Pstream類很多東西是從UPstream類繼承來的 這次我們大體看一下UPstream類,以避免Pstream類內很多繼承來的東西不會用 簡述幾個常用的函數如下: Pstream::myProcNo() //- Number of ...
  • volatile是Java語言中的一種輕量級的同步機制,它可以確保共用變數的記憶體可見性,也就是當一個線程修改了共用變數的值時,其他線程能夠立即知道這個修改。 ...
  • 自己實現Mybatis底層機制-02 7.任務階段4&5 階段4任務:開發Mapper介面和Mapper.xml 階段5任務:開發和Mapper介面相映射的MapperBean (1)Mapper介面 package com.li.mapper; import com.li.entity.Monst ...
  • 1、背景 最近工作中有需要管理定時任務的需求,項目使用了kingbase作為資料庫,所以研究了xxl-job適配kingbase,根據xxl-job作者的版本更新日誌描述,v2.4.0之後官方將支持多資料庫,敬請期待 xxl-job:2.3.1 金倉kingbase:V8R3 已上傳修改之後的版本到 ...
  • 面向對象進階第二天 許可權修飾符 作用:約束成員變數,構造器,方法等的訪問範圍 自己定義成員(方法,成員變數,構造器等)一般需要滿足如下要求: 成員變數一般私有。 方法一般公開。 如果該成員只希望本類訪問,使用private修飾。 如果該成員只希望本類,同一個包下的其他類和不同包下的子類訪問,使用pr ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發(一):使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說,近來想嘗試開發一款安卓APP,考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP,畢竟是使用Visual Studio開發工具,使用起來也比較的順手,結合微軟官方的教程進行了安卓 ...
  • 前言 QuestPDF 是一個開源 .NET 庫,用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫,它徹底改變了我們生成 PDF 文檔的方 ...
  • 項目地址 項目後端地址: https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址: ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址: http://tree ...
  • 話不多說,直接開乾 一.下載 1.官方鏈接下載: https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe,運行開始下載SQL server; 二. ...
  • 前言 隨著物聯網(IoT)技術的迅猛發展,MQTT(消息隊列遙測傳輸)協議憑藉其輕量級和高效性,已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫,為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog支持多種接收器用於日誌存儲,增強器用於添加屬性,LogContext管理動態屬性,支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項,適用於不同需求。 ...
  • 目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據,爬取信息時需要模擬瀏覽器行為,否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下: 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • 1.前言 什麼是熱更新 游戲或者軟體更新時,無需重新下載客戶端進行安裝,而是在應用程式啟動的情況下,在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR,Xlua,ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles,Addressable, ...
  • 本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺,其實像阿裡雲,騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後,它會送 ...
  • 通過以下方式可以高效,並保證數據同步的可靠性 1.API設計 使用RESTful設計,確保API端點明確,並使用適當的HTTP方法(如POST用於創建,PUT用於更新)。 設計清晰的請求和響應模型,以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證,確保接收到的數據符合預期格 ...