Python数据分析揭秘知乎大V的小秘密(2)

用户爱看什么?

在这里插入图片描述

在这里插入图片描述

这些关注度最高专栏和收藏夹,里面有你关注的吗?

最后,这是一个以关注数超1万的用户的个人简介做出来的词云:

在这里插入图片描述

代码


coding:utf8

抓取粉丝数过 1w 用户

import requests

import pymongo

import time

import pickle

def get_ready(ch=‘user_pd’,dbname=‘test’):

‘’‘数据库调用’‘’

global mycol, myclient,myhp

myclient = pymongo.MongoClient(“mongodb://localhost:27017/”)

mydb = myclient[dbname]

mycol = mydb[ch]

get_ready()

ss = mycol.find({})

se = {1,} # 去重集合

se2 = [‘GOUKI9999’,‘zhang-jia-wei’] # 爬取的列表

with open(r’C:\Users\yc\Desktop\used.txt’, ‘rb’) as f: # 读取

used = pickle.load(f)

used={1,}

sed = {}

for s in ss:

if s[‘follower_count’]>=10000: # 粉丝数大于10000

sed[s[‘user_id’]] = sed.get(s[‘user_id’],0) + 1

if sed[s[‘user_id’]] == 1:

se.add(s[‘user_id’])

se2.append(s[‘user_id’])

leng = len(se2)

print(leng)

proxies = {

“http”: “http://spiderbeg:pythonbe@106.52.85.210:8000”,

“https”: “http://spiderbeg:pythonbe@106.52.85.210:8000”,

}

headers = {

‘user-agent’:‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.100 Safari/537.36’,

‘cookie’:‘your_cookie(用户主页面)’

}

for i,url_id in enumerate(se2): # 爬取

if i>=0:

print(i,’ ‘, end=’') # url个数

if url_id not in used: # 是否使用过

used.add(url_id)

nums = 500

off = 0

while True:

url2 = ‘https://www.zhihu.com/api/v4/members/’ + url_id + ‘/followees?include=data%5B*%5D.answer_count%2Carticles_count%2Cgender%2Cfollower_count%2Cis_followed%2Cis_following%2Cbadge%5B%3F(type%3Dbest_answerer)%5D.topics&offset=’ + str(off) + ‘&limit=’ + str(nums)

r2 = requests.get(url2, headers=headers,proxies=proxies)

time.sleep(0.5)

c = 0

if ‘error’ in r2.json():

if r2.json()[‘error’][‘code’] in {310000, 310001}:

break

else:

raise NameError(‘页面错误’)

used.add(url_id) # 判断是否使用

for d in r2.json()[‘data’]:

z = {}

c+=1

z[‘user_id’] = d[‘url_token’]

z[‘name’] = d[‘name’]

z[‘headline’] = d[‘headline’]

z[‘follower_count’] = d[‘follower_count’]

z[‘answer_count’] = d[‘answer_count’]

z[‘articles_count’] = d[‘articles_count’] # if d[‘articles_count’] else 0

z[‘from’] = url_id # 谁的关注列表

if d[‘follower_count’]>=10000 and d[‘url_token’] not in se and d[‘url_token’] not in used: # 粉丝大于 1w,则爬取

se.add(d[‘url_token’])

se2.append(d[‘url_token’])

mycol.insert_one(z) # 插入数据

if r2.json()[“paging”][‘is_end’] == False:

nums+=500

off+=500

elif r2.json()[“paging”][‘is_end’] == True:

网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友,可以戳这里无偿获取

一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!

  • 19
    点赞
  • 17
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值