一个简单的python爬虫,爬取知乎(3)

from spider import SpiderHTML

from multiprocessing import Pool

import sys,urllib,http,os,random,re,time

author = ‘waiting’

‘’’

使用了第三方的类库 BeautifulSoup4，请自行安装

需要目录下的spider.py文件

运行环境：python3.4,windows7

‘’’

#收藏夹的地址

url = ‘https://www.zhihu.com/collection/30822111’ #page参数改为代码添加

#本地存放的路径,不存在会自动创建

store_path = ‘E:\zhihu\收藏夹\会员才知道的世界’

class zhihuCollectionSpider(SpiderHTML):

def init(self,pageStart, pageEnd, url):

self._url = url

self._pageStart = int(pageStart)

self._pageEnd = int(pageEnd)+1

self.downLimit = 0 #低于此赞同的答案不收录

def start(self):

for page in range(self._pageStart,self._pageEnd): #收藏夹的页数

url = self._url + ‘?page=’+str(page)

content = self.getUrl(url)

questionList = content.find_all(‘div’,class_=‘zm-item’)

for question in questionList: #收藏夹的每个问题

Qtitle = question.find(‘h2’,class_=‘zm-item-title’)

if Qtitle is None: #被和谐了

continue

questionStr = Qtitle.a.string

Qurl = ‘https://www.zhihu.com’+Qtitle.a[‘href’] #问题题目

Qtitle = re.sub(r’[\/😗?"<>]‘,’#',Qtitle.a.string) #windows文件/目录名不支持的特殊符号

try:

print(‘-----正在获取问题:’+Qtitle+‘-----’) #获取到问题的链接和标题，进入抓取

except UnicodeEncodeError:

print(r’—问题含有特殊字符无法显示—')

try:

Qcontent = self.getUrl(Qurl)

except:

print(‘!!!获取出错!!!’)

pass

answerList = Qcontent.find_all(‘div’,class_=‘zm-item-answer zm-item-expanded’)

self._processAnswer(answerList,Qtitle) #处理问题的答案

time.sleep(5)

def _processAnswer(self,answerList,Qtitle):

j = 0

for answer in answerList:

j = j + 1

upvoted = int(answer.find(‘span’,class_=‘count’).string.replace(‘K’,‘000’)) #获得此答案赞同数

if upvoted < self.downLimit:

continue

authorInfo = answer.find(‘div’,class_=‘zm-item-answer-author-info’) #获取作者信息

author = {‘introduction’:‘’,‘link’:‘’}

try:

author[‘name’] = authorInfo.find(‘a’,class_=‘author-link’).string #获得作者的名字

author[‘introduction’] = str(authorInfo.find(‘span’,class_=‘bio’)[‘title’]) #获得作者的简介

author[‘link’] = authorInfo.find(‘a’,class_=‘author-link’)[‘href’]

except AttributeError:

author[‘name’] = ‘匿名用户’+str(j)

except TypeError: #简介为空的情况

pass #匿名用户没有链接

file_name = os.path.join(store_path,Qtitle,‘info’,author[‘name’]+‘_info.txt’)

if os.path.exists(file_name): #已经抓取过

continue

self.saveText(file_name,‘{introduction}\r\n{link}’.format(**author)) #保存作者的信息

print(‘正在获取用户{name}的答案’.format(**author))

answerContent = answer.find(‘div’,class_=‘zm-editable-content clearfix’)

if answerContent is None: #被举报的用户没有答案内容

continue
学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、学习软件

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

三、全套PDF电子书

书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。

四、入门学习视频

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

五、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

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！