环境搭建好，拿来即用。支持获取知乎的关键词搜索、热榜、用户、回答、专栏文章、评论、关联关键词、关联文章等信息。代码思路来源于facebook_scraper
- __init__.py 为程序的对外统一入口
- constants.py 常量
- exceptions.py 自定义异常
- extractors.py 数据清洗
- page_iterators.py 页面处理
- zhihu_scraper.py 页面请求、cookie设置
- zhihu_types.py 类型提示、检查。项目自定义类型
注意事项 项目内有部分异步操作，在模块引用之前需要使用猴子补丁; 该项目已对核心参数进行了js逆向，但没有对ip限制、登录做针对性处理。 如有海量数据获取需求，可自行搭建IP池和cookie池。
安装:
pip install zhihu_crawler
使用案例:
# 猴子补丁
from gevent import monkey
monkey.patch_all()
from zhihu_crawler.zhihu_crawler import *
if __name__ == '__main__':
# 设置代理; 如采集量较大，建议每次请求都切换代理
set_proxy({'http': 'http://127.0.0.1:8125', 'https': 'http://127.0.0.1:8125'})
# 设置cookie
set_cookie({'d_c0': 'AIBfvRMxmhSPTk1AffR--QLwm-gDM5V5scE=|1646725014'})
# 搜索采集使用案例:
for info in search_crawl(key_word='天空', nums=10):
print(info)
# 可传入data_type 指定搜索类型
for info in search_crawl(key_word='天空', nums=10, data_type='answer'):
print(info)
# 用户信息回答列表使用案例(采集该用户信息及50条回答信息,每条回答包含50条评论):
for info in user_crawler('wo-men-de-tai-kong',
answer_nums=50,
comment_nums=50
):
print(info)
# 用户信息提问列表使用案例(采集该用户信息及10条问题信息,每条问题包含10条回答，每条回答包含50条评论):
for info in user_crawler('wo-men-de-tai-kong',
question_nums=10,
drill_down_nums=10,
comment_nums=50
):
print(info)
# 热点问题采集使用案例
# 采集 前10个问题, 每个问题采集10条回答
for info in hot_questions_crawl(question_nums=10, drill_down_nums=10):
print(info)
# 可传入period 指定热榜性质。如小时榜、日榜、周榜、月榜
# 传入domains 采集指定主题的问题
for info in hot_questions_crawl(question_nums=10, period='day', domains=['1001', 1003]):
print(info)
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent