使用Python爬取知乎上的高颜值小姐姐
- 2020 年 3 月 9 日
- 筆記
“你见过的有些人能漂亮到什么程度？”
爬取链接
原问题在这儿你见过的有些人能漂亮到什么程度？
爬取思路
使用Python爬虫爬取这个问题下的高赞照片。
- 爬虫爬了下这个问题下的高赞照片。在欣赏小姐姐的美照之前，我们先来分享一下思路。
- 通过知乎回答的url，先把回答一页一页的爬下来，存到本地数据库。随后从数据库里读取数据，筛选出高赞的回答，把回答里的图片解析出来。
函数解析
def get_answers_by_page(page_no): offset = page_no * 10 url = "<answer url>&offset={}&limit=10&sort_by=default&platform=desktop".format(offset) headers = { "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36", } r = requests.get(url, verify=False, headers=headers) content = r.content.decode("utf-8") data = json.loads(content) is_end = data["paging"]["is_end"] items = data["data"] client = pymongo.MongoClient() db = client["beauty"] if len(items) > 0: db.answers.insert_many(items) return is_end def get_answers(): page_no = 0 client = pymongo.MongoClient() while True: print(page_no) is_end = get_answers_by_page(page_no) page_no += 1 if is_end: break def query(): client = pymongo.MongoClient() db = client["beauty"] items = db.answers.find({"voteup_count": {"$gte": 100}}).sort([("voteup_count", pymongo.DESCENDING)]) count = 0 for item in items: content = item["content"] vote_num = item["voteup_count"] author = item["author"]["name"] matched = re.findall(r'data-original="([^"]+)"', content) print("> 来自 {}n".format(item["url"])) print("> 作者 {}n".format(author)) print("> 赞数 {}n".format(vote_num)) img_urls = [] for img_url in matched: if img_url not in img_urls: print("".format(img_url)) img_urls.append(img_url) count += len(img_urls) print("nn") print(count)
get_answers_by_page – 这个函数用于获取一页的回答内容，获取的内容会存到本地MongoDB里 get_answers – 这个函数用于获取所有页的内容，它会调用上面的函数，循环获取每一页的内容 query – 这个函数用于从MongoDB里查询数据，筛选高赞回答，并且把结果打印出来
如果要完整的运行这个项目，大家可以下载源代码后，在本地运行。 运行项目后，程序会筛选出所有赞数大于100的回答，并且把回答里的图片整理出来。赞数越高的回答，小姐姐的颜值越高。
