python爬取知乎那些神評論數據_風聞
小白学大数据-2022-12-28 16:23
對於很多年輕人來説,知乎也是一個必不可少的社交軟件,知乎上面有很多的話題大家都願意參與討論,也有很多的神評論。有些問題下面的回答數竟有上萬條,實在太多了忍不住了,好想知道大家都評論了些什麼。所以這種情況下就可以發揮下我們的爬蟲技術了。
首先需要明確需求,爬什麼數據?這裏我們可以直接爬取知乎首頁上推薦的評論比較多的問題,包括該問題下評論的用户的歸屬地、用户的暱稱、用户的性別、用户回答的贊同數、用户回答的評論數。爬蟲我們之前寫過很多遍了,思路都差不多,而且知乎網站對爬蟲還是很友好的反爬機制並不是很嚴。這裏我只是簡單的用到代理IP和隨機ua,那些上萬評論數的問題很快就爬取完了。全部源碼獻上,關於代碼的解釋,可以搜索億牛雲詳細瞭解,這裏就不再贅述了,如果還有問題,可以私信或者評論問我。
#! -*- encoding:utf-8 -*-
import requests
import random
# 要訪問的目標頁面
targetUrl = “http://httpbin.org/ip"
# 要訪問的目標HTTPS頁面
# targetUrl = “https://httpbin.org/ip"
# 代理服務器(產品官網 www.16yun.cn)
proxyHost = “t.16yun.cn”
proxyPort = “31111”
# 代理驗證信息
proxyUser = “username”
proxyPass = “password”
proxyMeta = “http://%(user)s:%(pass)s@%(host)s:%(port)s” % {
“host” : proxyHost,
“port” : proxyPort,
“user” : proxyUser,
“pass” : proxyPass,
}
# 設置 http和https訪問都是用HTTP代理
proxies = {
“http” : proxyMeta,
“https” : proxyMeta,
}
# 設置IP切換頭
tunnel = random.randint(1,10000)
headers = {“Proxy-Tunnel”: str(tunnel)}
resp = requests.get(targetUrl, proxies=proxies, headers=headers)
print resp.status_code
print resp.text爬取結果簡單的進行了整理,因為問題的太多,爬取的數據也比較多,所以整理好後下次分享給大家參考。爬蟲學習就是要多實踐,爬取各種有難度的網站去解決更多反爬機制,這樣才能讓自己的爬蟲技術有提升。