知乎还是很友好的 总体来说没啥难度 简单说下思路
1.评论是动态加载的 直接找json接口
2.分析接口参数,我测试的时候一次最多能拿20条数据(不过我还是一条一条拿的)
3.循环发送请求,其实可以先把评论数抓下来再for range 我只是比较懒(。・ω・。)
4.有的评论没图片,简单try一下或者if处理
首先需要引入爬虫库
import requests
from bs4 import BeautifulSoup
import json
发送请求
#发送请求函数
def getpage(header, cookie):
for i in range(1000,2000):
base_url = 'https://www.zhihu.com/api/v4/questions/29815334/answers?include=data%5B*%5D.is_normal%2Cadmin_closed' \
'_comment%2Creward_info%2Cis_collapsed%2Cannotation_action%2Cannotation_detail%2Ccollapse_reason%2Cis' \
'_sticky%2Ccollapsed_by%2Csuggest_edit%2Ccomment_count%2Ccan_comment%2Ccontent&offset=' + str(i) + '&limit=1&sort' \
'_by=default'
response = requests.get(base_url, headers=header, cookies=cookie)
html = response.text
img_json = json.loads(html)
print('正在抓取知乎长腿小姐姐图片 第%s条评论'% i)
contentpage(img_json)
解析json数据
#解析json数据
def contentpage(img_json):
try:
data = img_json["data"][0]
content = data["content"]
# print(content)
html = BeautifulSoup(content,'lxml')
# 提取img标签 由于会抓到两张一页的图片所以每隔一个提取一次
img_page = html.select('img')[::2]
for i in img_page:
address = i.get('src')
# print(address)
imgpage(address)
except:
print('此评论没有图片')
大家需要源码可以直接关注《志学Python》公众号,回复‘长腿妹子’,直接给你网盘地址,过期了可以直接后台回复,看到我会回复的
随便挑了几张给你们欣赏下!