Python中国社区  »  Python

Python爬虫学习笔记(1)爬取知乎用户信息

江先生 • 8 月前 • 45 次点击  

生苦短,我用Python

最近一段时间因为大数据分析以及AI的兴起,所以想着学习一下Python,刚接触Python就被其优雅、简洁、明确的语法和强大的第三方库所吸引。我的理念一直是学习一门语言,必须在实践中去学习,在实践中不断解决问题而熟悉语法以及深刻理解。

第一次爬取得信息是知乎的某一用户所关注的人的公开信息。

因为本人是新手一枚,所以使用Python的IDE-PyCharm。另一原因也因为我之前是用C#的,所以对于强大的IDE情有独钟。

1、学习任何一门语言,你都必须安装其对应的工作环境,Python也不例外,在windows上安装Python很简单,只需要去官方网站下载对应的安装程序:www.python.org/downloads/r…;然后运行安装包:

preview

特别注意:一定要勾上Add Python 3.6 to PATH,然后点Install Now就行了

安装完之后打开命令提示符窗口,输入python回车,若出现以下信息,则安装成功。

2、安装Pycharm:PyCharm: Python IDE for Professional Developers by JetBrains;

3、打开Pycharm,新建一个项目,再新建一个Python文件,后缀名为.py.

4、打开知乎首页-->登陆-->搜索到一个大V,用谷歌浏览器分析点击关注了哪些人后的请求,通过分析:查找他关注的人的请求链接:www.zhihu.com/api/v4/memb…*%5D.answer_count%2Carticles_count%2Cgender%2Cfollower_count%2Cis_followed%2Cis_following%2Cbadge%5B%3F(type%3Dbest_answerer)%5D.topics&offset=40&limit=20

preview

通过观察尝试分析后可知:offset=40是偏移量,通过改变这个值可以实现分页的效果。

知乎是做了反爬虫的措施的,所以我们要想爬取知乎信息,还必须要设置请求头,下面我们来分析请求头:

图片中红箭头所指就是请求必须需要的值,

authorization:是身份认证信息,每个用户登录后都会产生各自的身份认证信息。

User-Agent:是验证请求是来自正常的浏览器访问

最终代码如下:

import requests
import pandas as pd
import time
headers={
    'authorization':'',#此处填写你自己的身份验证信息
    'User-Agent':''#此处填写你自己浏览器的User-Agent
}
user_data = []
def get_user_data(page):
    for i in range(page):#翻页
        url = 'https://www.zhihu.com/api/v4/members/excited-vczh/followees?include=data%5B*%5D.answer_count%2Carticles_count%2Cgender%2Cfollower_count%2Cis_followed%2Cis_following%2Cbadge%5B%3F(type%3Dbest_answerer)%5D.topics&offset={}&limit=20'.format(i*20)
        response = requests.get(url, headers=headers).json()['data']
        user_data.extend(response) #把response数据添加进user_data
        print('正在爬取第%s页' % str(i+1))
        time.sleep(1) #设置爬取网页的时间间隔为1秒

if __name__ == '__main__':
    get_user_data(10)
    df = pd.DataFrame.from_dict(user_data)#以字典保存数据
    df.to_csv('zhihu.csv',encoding='utf_8_sig')#保存到用户名为zhihu的csv文件中,encoding='utf_8_sig'参数是为了解决中文乱码的问题
    print(df)



今天看啥 - 高品质阅读平台
本文地址:http://www.jintiankansha.me/t/cRmYcQUNKj
Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/5268
 
45 次点击  
分享到微博