python爬取知乎热搜_Python知乎热门话题数据的爬取实战

import requests

from pyquery import PyQuery as pq

url = 'https://www.zhihu.com/explore'

headers = {

'user-agent':

"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36"

}

# 为了让网页能模拟浏览器的操作来设置一个headers获取网页源码

html = requests.get(url, headers=headers).text

# 初始化，使用pyQuery来把html放到解析库里进行解析

doc = pq(html)

# 进行pyquery解析（里面放的是css选择器参数）对class里有两个参数来进行解析

items = doc('.explore-feed.feed-item').items()

# 循环遍历筛选后的数据

for item in items:

# 提取里面的问题

question = item.find('h2').text()

# 提取里面的作者

author = item.find('.author-link-line').text()

# 提取里面的回复的内容，这里注意一下，在内容的上面有一个textarea被hidden了

answer = pq(item.find('.content').html()).text()

# 方法一

# 文件的存储以txt文本存储

file = open('explore.txt', 'a', encoding='utf-8')

# 文件的写入

file.write('\n'.join([question, author, answer]))

# 每一个内容用特殊符号隔开

file.write('\n' + '=' * 50 + '\n')

# 文件的关闭

file.close()

# 方式二

# 简写的方法这样可以不用去关闭文件,系统已经封装好了关闭的方法

with open('explore.txt', 'a', encoding='utf-8') as file:

file.write('\n'.join([question, author, answer]))

file.write('\n' + '=' * 50 + '\n')