python print被标红_Python爬虫新手教程：知乎文章图片爬取器

最新推荐文章于 2024-04-09 10:09:25 发布

weixin_39963819

最新推荐文章于 2024-04-09 10:09:25 发布

阅读量138

点赞数

文章标签： python print被标红

本文链接：https://blog.csdn.net/weixin_39963819/article/details/113312628

版权

1. 知乎文章图片爬取器之二博客背景

昨天写了知乎文章图片爬取器的一部分代码，针对知乎问题的答案json进行了数据抓取，博客中出现了部分写死的内容，今天把那部分信息调整完毕，并且将图片下载完善到代码中去。

首先，需要获取任意知乎的问题，只需要你输入问题的ID，就可以获取相关的页面信息，比如最重要的合计有多少人回答问题。

问题ID为如下标红数字

编写代码，下面的代码用来检测用户输入的是否是正确的ID，并且通过拼接URL去获取该问题下面合计有多少答案。

import requestsimport reimport pymongoimport timeDATABASE_IP = '127.0.0.1'DATABASE_PORT = 27017DATABASE_NAME = 'sun'client = pymongo.MongoClient(DATABASE_IP,DATABASE_PORT)db = client.sundb.authenticate("dba", "dba")collection = db.zhihuone  # 准备插入数据BASE_URL = "https://www.zhihu.com/question/{}"def get_totle_answers(article_id):    headers = {        "user-agent": "需要自己补全 Mozilla/5.0 (Windows NT 10.0; WOW64)"    }    with requests.Session() as s:        with s.get(BASE_URL.format(article_id),headers=headers,timeout=3) as rep:            html = rep.text            pattern =re.compile( '')            s = pattern.search(html)            print("查找到{}条数据".format(s.groups()[0]))            return s.groups()[0]if __name__ == '__main__':    # 用死循环判断用户输入的是否是数字    article_id = ""    while not article_id.isdigit():        article_id = input("请输入文章ID：")    totle = get_totle_answers(article_id)    if int(totle)>0:        zhi = ZhihuOne(article_id,totle)        zhi.run()    else:        print("没有任何数据！")

完善图片下载部分，图片下载地址在查阅过程中发现，存在json字段的content中，我们采用简单的正则表达式将他匹配出来。细节如下图展示

编写代码吧，下面的代码注释请仔细阅读，中间有一个小BUG，需要手动把pic3修改为pic2这个地方目前原因不明确，可能是我本地网络的原因，还有请在项目根目录先创建一个imgs的文件夹，用来存储图片

def download_img(self,data):        ## 下载图片        for item in data["data"]:            content = item["content"]            pattern = re.compile('(.*?)')            imgs = pattern.findall(content)            if len(imgs) > 0:                for img in imgs:                    match = re.search(', img)                    download = match.groups()[0]                    download = download.replace("pic3", "pic2")  # 小BUG,pic3的下载不到                    print("正在下载{}".format(download), end="")                    try:                        with requests.Session() as s:                            with s.get(download) as img_down:                                # 获取文件名称                                file = download[download.rindex("/") + 1:]                                content = img_down.content                                with open("imgs/{}".format(file), "wb+") as f:  # 这个地方进行了硬编码                                    f.write(content)                                print("图片下载完成", end="\n")                    except Exception as e:                        print(e.args)            else:                pass

运行结果为