知乎上的东西质量都很好,有些问题下会有很多很好的回答,其中就有些关于图片的。
比如:

图片有了,那么...
我全都要

所以我写了个爬虫,把它们都爬下来了。

在这里插入图片描述
在这里插入图片描述

  1. 找到api

虽然可以通过直接爬html来获取,但是通过api可以获取html所没有的信息。

zhihu_url = 'https://www.zhihu.com/api/v4/questions/{问题id}/answers?' \
        'include=data%5B%2A%5D.is_normal%2Cadmin_closed_comment%2Creward' \
       '_info%2Cis_collapsed%2Cannotation_action%2Cannotation_detail%' \
       '2Ccollapse_reason%2Cis_sticky%2Ccollapsed_by%2Csuggest_edit%2' \
       'Ccomment_count%2Ccan_comment%2Ccontent%2Ceditable_content%2Cv' \
       'oteup_count%2Creshipment_settings%2Ccomment_permission%2Ccrea' \
       'ted_time%2Cupdated_time%2Creview_info%2Crelevant_info%2Cquest' \
       'ion%2Cexcerpt%2Crelationship.is_authorized%2Cis_author%2Cvoti' \
       'ng%2Cis_thanked%2Cis_nothelp%2Cis_labeled%3Bdata%5B%2A%5D.mar' \
       'k_infos%5B%2A%5D.url%3Bdata%5B%2A%5D.author.follower_count%2C' \
       'badge%5B%2A%5D.topics&limit={一页条目数}' \
       '&offset={偏移量}&platform=desktop' \
       '&sort_by={排序方式}'

问题id在url中可以找到,比如https://www.zhihu.com/question/34243513,34243513就是它的id。
一页条目数当然越大越好,不过最大只能取20。
偏移量就是这一页第一条的序号,比如第一页是0,第二页是20(假设一页条目数为20)。
排放方式我们用“updated”,按时间排序。

所以任意一页的url我们就知道了,但是我们不知道有多少页。

  1. 获取json数据
    请求该url就可以获取json数据,其结构如下:

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

可以看到,每请求一页就可以知道是不是最后一页和获取下一页的地址。


代码:
GitHub:https://github.com/VacantHusky/ZhiHuMeiZi

图包:
(等我上传到百度云我再放链接)

Last modification:August 14th, 2020 at 11:46 am
如果觉得我的文章对你有用,请随意赞赏