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
imgs = answerContent.find_all(‘img’)
if len(imgs) == 0: #答案没有上图
pass
else:
self._getImgFromAnswer(imgs,Qtitle,**author)
#收录图片
def _getImgFromAnswer(self,imgs,Qtitle,**author):
i = 0
for img in imgs:
if ‘inline-image’ in img[‘class’]: #不抓取知乎的小图
continue
i = i + 1
imgUrl = img[‘src’]
extension = os.path.splitext(imgUrl)[1]
path_name = os.path.join(store_path,Qtitle,author[‘name’]+‘_’+str(i)+extension)
try:
self.saveImg(imgUrl,path_name) #捕获各种图片异常,流程不中断
except:
pass
#收录文字
def _getTextFromAnswer(self):
pass
#命令行下运行,例:zhihu.py 1 5 获取1到5页的数据
if name == ‘main’:
page, limit, paramsNum= 1, 0, len(sys.argv)
if paramsNum>=3:
page, pageEnd = sys.argv[1], sys.argv[2]
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Python开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上Python开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以添加V获取:vip1024c (备注Python)
最后
不知道你们用的什么环境,我一般都是用的Python3.6环境和pycharm解释器,没有软件,或者没有资料,没人解答问题,都可以免费领取(包括今天的代码),过几天我还会做个视频教程出来,有需要也可以领取~
给大家准备的学习资料包括但不限于:
Python 环境、pycharm编辑器/永久激活/翻译插件
python 零基础视频教程
Python 界面开发实战教程
Python 爬虫实战教程
Python 数据分析实战教程
python 游戏开发实战教程
Python 电子书100本
Python 学习路线规划
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,都欢迎扫码加入我们的的圈子(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!
t_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA==,size_16,color_FFFFFF,t_70)
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,都欢迎扫码加入我们的的圈子(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!
[外链图片转存中…(img-FJOtmLDH-1712881957964)]