python--爬取知乎中的图片

首先,我们查看一下知乎的robots协议。

User-agent: *
Disallow: /

知乎是不允许爬取其根目录的。

但是,我们只是用于实验,而且访问频率和正常访问差距不大,所以可以爬取。

先明确目的:

  1. 对手动输入的网址进行解析
  2. 把爬取到的图片保存到指定目录
__author__ = '_liky'

import requests
from bs4 import BeautifulSoup
import os

def getHTMLText(url):
    try:
        kw = {'user-agent': 'Mozilla/5.0'}
        r = requests.get(url, headers=kw, timeout=30)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        print('Get HTML Message Successfully')
        return r.text
    except:
        return 'Get HTML Message Error'

def ProcessText(text, root):
    soup = BeautifulSoup(text, 'html.parser')
    for link in soup.find_all('img'):
        if str(link['src']).split('.')[-1] == 'jpg' or str(link['src']).split('.')[-1] == 'gif':
            path = root + str(link['src']).split('/')[-1]
            try:
                if not os.path.exists(root):
                    os.mkdir(root)
                if not os.path.exists(path):
                    with open(path, 'wb') as f:
                        f.write(requests.get(link['src']).content) #以二进制的形式写入
                        print('the file ' + str(link['src']).split('/')[-1] + ' has been crawled successfully')
                else:
                    print('the file ' + str(link['src']).split('/')[-1] + ' has existed')
            except:
                print('Process Error')

def main():
    print('请勿用于商业用途')
    url = input('URL (exa: https://www.zhihu.com/question/46508954): ')
    root = input('PATH (exa: D://Picture_ZhiHu//): ')
    text = getHTMLText(url)
    ProcessText(text, root)

if __name__ == '__main__':
    main()

这样就能实现简单的爬取了

 

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
需要使用Python编程语言来爬取知乎问题下的所有回答。具体步骤如下: 1. 首先需要安装Python的requests和beautifulsoup4库,用于发送HTTP请求和解析HTML页面。 2. 获取知乎问题页面的URL,可以手动复制粘贴,或者使用爬虫自动获取。 3. 使用requests库发送GET请求,获取知乎问题页面的HTML源代码。 4. 使用beautifulsoup4库解析HTML源代码,获取所有回答的信息。 5. 对每个回答进行解析,获取回答的文本、作者、点赞数、评论数等信息。 6. 将获取到的信息存储到本地文件或数据库。 下面是一段示例代码,可以爬取知乎某个问题下的所有回答: ```python import requests from bs4 import BeautifulSoup # 知乎问题页面的URL url = 'https://www.zhihu.com/question/xxxxxx' # 发送GET请求,获取页面HTML源代码 response = requests.get(url) html = response.text # 解析HTML页面,获取所有回答的信息 soup = BeautifulSoup(html, 'html.parser') answers = soup.find_all('div', class_='List-item') # 遍历每个回答,解析并存储信息 for answer in answers: # 解析回答文本、作者、点赞数、评论数等信息 text = answer.find('div', class_='RichContent-inner').get_text() author = answer.find('div', class_='ContentItem-head').get_text() upvotes = answer.find('button', class_='Button VoteButton VoteButton--up').get_text() comments = answer.find('button', class_='Button ContentItem-action Button--plain Button--withIcon Button--hoverCard').get_text() # 将信息存储到本地文件或数据库 with open('answers.txt', 'a', encoding='utf-8') as f: f.write(f'{author}\n{text}\n赞同数:{upvotes} 评论数:{comments}\n\n') ``` 需要注意的是,爬取知乎数据属于个人行为,需要遵守知乎的相关规定,不得用于商业用途。另外,爬取速度也需要适当控制,避免给服务器造成过大的负担。
评论 1
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