中文源码网
欢迎您!
会员登录
会员注册
发布自媒体
发布模版
发布源码
发布模版
发布酷站
推荐源码
常用源码
帮助中心
栏目导航
热门搜索:
网站首页
免费源码
精品源码
html模版
精品模版
酷站大全
技术文档
方案大全
网络教程
站长自媒体
新闻动态
帮助中心
免费源码下载
asp源码
php源码
python源码
.net源码
jsp源码
JS特效
安卓源码
IOS源码
微信小程序下载
毕业设计源码下载
模版下载
商城模版
手机wap模版
网络教程
html5教程
asp教程
php教程
jsp教程
Python语言技术文档
python入门
Python编程技巧
Python网站web
Python网络爬虫
Python自动化运维
数据挖掘/机器学习
Python人工智能
Python多媒体
Python科学计算
Python游戏开发
Python图形界面
Python数据库相关
Python与其他语言
Python库/模块大全
Python报错处理大全
微信小程序技术文档
微信小程序开发入门
微信小程序开发技巧
微信游戏开发
微信公众号开发
微信常用源码
php语言技术文档
php入门教程
php技巧
php函数/类库
php框架
php+AJAX技巧
开源系统及二次开发
PHP内核
jsp语言技术文档
jsp入门教程
jsp技巧
jsp框架
asp语言技术文档
asp入门教程
asp技巧
asp函数/类库
C#/.NET语言技术文档
C#/.NET入门教程
C#/.NET技巧
MVC/.NET框架
C#/.NET微信开发
程序报错解决方法
html5/css技术文档
html5
CSS
javascript
javascript技巧
jquery
json
ajax
js框架/js库
点击排行
总结PHP中初始化空数组的最佳方法
在PHP中输出JS语句以及乱码问题的解决方案
原生PHP实现导出csv格式Excel文件的方法示例【附源码下载】
用PHP的反射实现委托模式的讲解
详解提高使用Java反射的效率方法
详解关于php的xdebug配置(编辑器vscode)
详解php中生成标准uuid(guid)的方法
详解php中curl返回false的解决办法
详解php用static方法的原因
详解php伪造Referer请求反盗链资源
详解PHP素材图片上传、下载功能
详解PHP实现支付宝小程序用户授权的工具类
详解PHP神奇又有用的Trait
详解PHP队列的实现
详解PHP的抽象类和抽象方法以及接口总结
您现在的位置:
首页
>
技术文档
>
Python网络爬虫
我要投稿
Python实例教程爬取知乎神回复简单爬虫代码分享
来源:
中文源码网
浏览:275 次 日期:2024-04-19 14:31:57
【下载文档:
Python实例教程爬取知乎神回复简单爬虫代码分享.txt
】
Python实现爬取知乎神回复简单爬虫代码分享
看知乎的时候发现了一个 “如何正确地吐槽” 收藏夹,里面的一些神回复实在很搞笑,但是一页一页地看又有点麻烦,而且每次都要打开网页,于是想如果全部爬下来到一个文件里面,是不是看起来很爽,并且随时可以看到全部的,于是就开始动手了。
工具
1.Python 2.7
2.BeautifulSoup
分析网页
我们先来看看知乎上该网页的情况
网址:,容易看到,网址是有规律的,page慢慢递增,这样就能够实现全部爬取了。
再来看一下我们要爬取的内容:
我们要爬取两个内容:问题和回答,回答仅限于显示了全部内容的回答,如下面这种就不能爬取,因为好像无法展开(反正我不会。。),再说答案不全的话爬来也没用,所以就不爬答案不全的了吧。
好,那么下面我们要找到他们在网页源代码中的位置:
即我们找到问题的内容包含在
中,那么我们等会就可以在这个标签里面找问题。
然后是回复:
有两个地方都有回复的内容,因为上面那个的内容还包括了
等一些内容,不方便处理,我们爬下面那个的内容,因为那个里面的内容纯正无污染。
代码
好,这时候我们试着写出python代码:
复制代码 代码如下:
# -*- coding: cp936 -*-
import urllib2
from BeautifulSoup import BeautifulSoup
f = open('howtoTucao.txt','w') #打开文件
for pagenum in range(1,21): #从第1页爬到第20页
strpagenum = str(pagenum) #页数的str表示
print "Getting data for Page " + strpagenum #shell里面显示的,表示已爬到多少页
url = "http://www.zhihu.com/collection/27109279?page="+strpagenum #网址
page = urllib2.urlopen(url) #打开网页
soup = BeautifulSoup(page) #用BeautifulSoup解析网页
#找到具有class属性为下面两个的所有Tag
ALL = soup.findAll(attrs = {'class' : ['zm-item-title','zh-summary summary clearfix'] })
for each in ALL : #枚举所有的问题和回答
#print type(each.string)
#print each.name
if each.name == 'h2' : #如果Tag为h2类型,说明是问题
print each.a.string #问题中还有一个
,所以要each.a.string取出内容
if each.a.string: #如果非空,才能写入
f.write(each.a.string)
else : #否则写"No Answer"
f.write("No Answer")
else : #如果是回答,同样写入
print each.string
if each.string:
f.write(each.string)
else :
f.write("No Answer")
f.close() #关闭文件
代码虽然不常,可是写了我半天,开始各种出问题。
运行
然后我们运行就可以爬了:
结果
等运行完毕,我们打开文件howtoTucao.txt,可以看到,这样就爬取成功了。只是格式可能还是有点问题,原来是我No Answer没加换行,所以No Answer还会混到文本里面去,加两个换行就可以了。
上一篇:
Python实例教程爬取百度贴吧帖子所有楼层图片的爬虫示例
下一篇:
Python实例教程数据可视化看如何监控你的爬虫状态
相关内容
•
在scrapy中使用phantomJS实现异步爬取的方法
•
用xpath获取指定标签下的所有text的实例
•
用python爬取租房网站信息的代码
•
用Python爬取QQ音乐评论并制成词云图的实例
•
用python3 urllib破解有道翻译反爬虫机制详解
•
一步步教你用python的scrapy编写一个爬虫
•
选择Python写网络爬虫的优势和理由
•
详解用python写网络爬虫-爬取新浪微博评论
•
详解Selenium+PhantomJS+python简单实现爬虫的功能
•
详解Python爬取并下载《电影天堂》3千多部电影
•
详解python爬虫系列之初识爬虫
•
详解Python3网络爬虫(二):利用urllib.urlopen向有道翻译发送数据获得翻译结果
•
详解python3 + Scrapy爬虫学习之创建项目
•
详解Python 爬取13个旅游城市,告诉你五一大家最爱去哪玩?
•
详解python 爬取12306验证码
•
详解python selenium 爬取网易云音乐歌单名
•
通过python爬虫赚钱的方法
•
使用selenium和pyquery爬取京东商品列表过程解析
•
使用Scrapy爬取动态数据
•
使用python实现抓取腾讯视频所有电影的爬虫
•
使用python爬取微博数据打造一颗“心”
•
使用python爬取抖音视频列表信息
•
使用python itchat包爬取微信好友头像形成矩形头像集的方法
•
如何使用python爬虫爬取要登陆的网站
•
如何爬取通过ajax加载数据的网站
•
浅谈Scrapy网络爬虫框架的工作原理和数据采集
•
浅谈Python爬虫基本套路
•
利用selenium爬虫抓取数据的基础教程
•
利用Python检测URL状态
•
利用Pyhton中的requests包进行网页访问测试的方法
•
利用PyCharm Profile分析异步爬虫效率详解
•
检测python爬虫时是否代理ip伪装成功的方法
•
几行Python代码爬取3000+上市公司的信息
•
基于python历史天气采集的分析
•
基于python框架Scrapy爬取自己的博客内容过程详解
•
基于Python的Post请求数据爬取的方法详解
•
基于Python打造账号共享浏览器功能
•
搞定这套Python爬虫面试题(面试会so easy)
•
对python3中的RE(正则表达式)-详细总结
•
超简单的Python HTTP服务
•
windows下搭建python scrapy爬虫框架步骤
•
windows7 32、64位下python爬虫框架scrapy环境的搭建方法
•
selenium+python设置爬虫代理IP的方法
•
selenium+PhantomJS爬取豆瓣读书
•
Scrapy框架爬取西刺代理网免费高匿代理的实现代码
•
Scrapy框架爬取Boss直聘网Python职位信息的源码
•
python做反被爬保护的方法
•
python抓取网页内容并进行语音播报的方法
•
Python中利用aiohttp制作异步爬虫及简单应用
•
python中xpath爬虫实例详解
•
Python正则匹配判断手机号是否合法的方法
•
python正则爬取某段子网站前20页段子(request库)过程解析
•
python正则表达式去除两个特殊字符间的内容方法
•
Python正则表达式匹配字符串中的http链接方法
•
Python正则表达式匹配日期与时间的方法
•
Python正则表达式匹配和提取IP地址
•
python正则表达式匹配不包含某几个字符的字符串方法
•
python正则表达式匹配[]中间为任意字符的实例
•
python正向最大匹配分词和逆向最大匹配分词的实例
•
python用match()函数爬数据方法详解
•
python协程gevent案例 爬取斗鱼图片过程解析
•
Python微信爬虫完整实例【单线程与多线程】
•
Python网页正文转换语音文件的操作方法
•
Python网络爬虫之爬取微博热搜
•
Python通过requests实现腾讯新闻抓取爬虫的方法
•
Python数据抓取爬虫代理防封IP方法
•
Python使用Selenium爬取淘宝异步加载的数据方法
•
Python使用scrapy爬取阳光热线问政平台过程解析
•
python使用requests模块实现爬取电影天堂最新电影信息
•
Python使用mongodb保存爬取豆瓣电影的数据过程解析
•
python使用BeautifulSoup与正则表达式爬取时光网不同地区top100电影并对比
•
Python使用Beautiful Soup爬取豆瓣音乐排行榜过程解析
•
python实现知乎高颜值图片爬取
•
python实现爬山算法的思路详解
•
Python实现爬取亚马逊数据并打印出Excel文件操作示例
•
Python实现爬取马云的微博功能示例
•
python实现爬取百度图片的方法示例
•
python实现爬虫抓取小说功能示例【抓取金庸小说】
•
Python实现的文轩网爬虫完整示例
•
Python实现的爬取小说爬虫功能示例
•
python实现的爬取电影下载链接功能示例
•
Python实现的爬取百度文库功能示例
•
Python实现的爬取百度贴吧图片功能完整示例
•
Python实现12306火车票抢票系统
•
Python如何爬取微信公众号文章和评论(基于 Fiddler 抓包分析)
•
python如何爬取网站数据并进行数据可视化
•
Python如何爬取实时变化的WebSocket数据的方法
•
python批量爬取下载抖音视频
•
Python爬取智联招聘数据分析师岗位相关信息的方法
•
python爬取指定微信公众号文章
•
python爬取学信网登录页面的例子
•
python爬取微信公众号文章的方法
•
python爬取网易云音乐评论
•
python爬取淘宝商品销量信息
•
Python爬取数据保存为Json格式的代码示例
•
Python爬取视频(其实是一篇福利)过程解析
•
Python爬取商家联系电话以及各种数据的方法
•
python爬取盘搜的有效链接实现代码
•
python爬取内容存入Excel实例
•
python爬取酷狗音乐排行榜
•
python爬取基于m3u8协议的ts文件并合并
•
Python爬取成语接龙类网站
•
python爬取百度贴吧前1000页内容(requests库面向对象思想实现)
•
python爬取cnvd漏洞库信息的实例
•
python爬取Ajax动态加载网页过程解析
•
python爬虫租房信息在地图上显示的方法
•
Python爬虫抓取技术的一些经验
•
python爬虫之自制英汉字典
•
python爬虫之自动登录与验证码识别
•
Python爬虫之正则表达式的使用教程详解
•
python爬虫之验证码篇3-滑动验证码识别技术
•
python爬虫之爬取百度音乐的实现方法
•
python爬虫之快速对js内容进行破解
•
Python爬虫之UserAgent的使用实例
•
python爬虫之urllib库常用方法用法总结大全
•
python爬虫之urllib,伪装,超时设置,异常处理的方法
•
python爬虫增加访问量的方法
•
Python爬虫运用正则表达式的方法和优缺点
•
Python爬虫学习之获取指定网页源码
•
Python爬虫学习之翻译小程序
QQ客服
公众号
手机版
帮助中心