【萌新写爬虫】爬知乎关注信息

这个例子是【爬虫工程师课程】中的一个实战，这里简单介绍下。

记得以前说过，爬虫有三步：获取源码、解析源码、储存数据。首先看看知乎的数据在哪里。

一、分析网页请求

以轮子哥为例，vczh，当我们禁用JS加载后，网页只有3条数据（属于lazy load），那么需要寻找数据

老规矩，打开开发者工具，找到翻页相关，数据都在这里

https://www.zhihu.com/api/v4/members/excited-vczh/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=40&limit=20

去除无用参数，是这样

offset 后面的数值就是翻页了。但是直接使用requests，会返回错误，我们把请求头拿出来看看

知乎的多了 authorization 和 X-UDID ，进过测试 authorization 是必要参数，所以构造就很简单了。

未登录和已登录情况下的 authorization 数值不同，进过多次错误，我发现必须使用已经登录下的 authorization 。

写这个爬虫我错误了无数次~

二、翻页构造

弄清楚请求就很简单了，翻页使用format函数

三、数据储存

我们打开这些数据，发现是json，那么就很简单，可以直接保存，不需要对网页数据进行解析。

然后可以对数据可视化

咳咳，为什么我关注了这么多男性

更有趣的是，打开轮子哥的粉丝列表，两者对比

关注了：

https://www.zhihu.com/api/v4/members/excited-vczh/followees?offset=20&limit=20

关注者：

https://www.zhihu.com/api/v4/members/excited-vczh/followers?offset=20&limit=20

有趣吧，通过这种方法，可以达到对知乎用户的爬取，前人说过很多，这里就不说了。

希望本文可以帮助你，像这种加载方式还有微博、头条。很久以前，萌新曾经提过一个问题，就是头条爬取，现在看来就很简单了。

如果想要爬虫源码，来公众号“萌新的学习日记”，回复“知乎”即可。