python爬取知乎答案下所有图片

思路:从返回的jason中解析出答案id,拼接出答案URL,再依次解析出每个答案下的图片地址,进行下载

具体如下:
打开问题页面会请求一个很长的url
如下

image.png

大部分不用动,根据limit,每次将offset累加,去循环请求
这个请求会得到一个json
从json里解析出每个答案的id
根据id,拼接出答案的url
https://www.zhihu.com/question/questionId/answer/answerId

def getAnswerId(questionUrl):
    agent = random.sample(user_agent_list, 1)[0]

    headers = {'User-Agent': agent, "Cookie": cookie}  
    r = requests.get(questionUrl, headers=headers)
    page = r.text
    j = json.loads(page)
    for i in range(5): #假设limit=5
        answerId = j['data'][i]['id']
        global answerPath
        answerPath = os.path.join(imageDir, 'answer' + str(answerId))
        if not os.path.exists(answerPath):
            os.makedirs(answerPath)  # 用answerId作为文件夹名,创建答案的存放路径
        answerURL = 'https://www.zhihu.com/question/%s/answer/%s' % (str(questionId), str(answerId))
        time.sleep(1)  # 睡眠
        spider(answerURL)

依次请求每个答案的url
从response中解析出图片的地址,真实地址藏在data-original

def spider(url):
    agent = random.sample(user_agent_list, 1)[0]

    headers = {'User-Agent': agent, "Cookie": cookie} 
    r = requests.get(url, headers=headers)
    page = r.text

    soup = BeautifulSoup(page, 'html.parser')
    value = soup.find_all('img', class_='origin_image zh-lightbox-thumb')

    for item in value:
        item = item.get("data-original")  # 图片的真实地址
        request_download(item)  # 下载图片
        time.sleep(random.randint(2, 6))

拿到图片的url,就可以下载到本地了

def request_download(imageUrl):
    imageName = imageUrl.split('/')[-1]
    print(imageName)
    imagePath = os.path.join(answerPath, imageName)

    print('downloading')
    r = requests.get(imageUrl)
    with open(imagePath, 'wb') as f:
        f.write(r.content)

基本就是这些
也可以再加个多线程
因为手头上暂时没代理池,就不写了

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,470评论 6 501
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,393评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,577评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,176评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,189评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,155评论 1 299
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,041评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,903评论 0 274
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,319评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,539评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,703评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,417评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,013评论 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,664评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,818评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,711评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,601评论 2 353

推荐阅读更多精彩内容

  • Swift1> Swift和OC的区别1.1> Swift没有地址/指针的概念1.2> 泛型1.3> 类型严谨 对...
    cosWriter阅读 11,097评论 1 32
  • 最全的iOS面试题及答案 iOS面试小贴士 ———————————————回答好下面的足够了-----------...
    zweic阅读 2,699评论 0 73
  • 在之前一篇抓取漫画图片的文章里,通过实现一个简单的Python程序,遍历所有漫画的url,对请求所返回的html源...
    msq3阅读 12,791评论 14 88
  • 没错,只需要3分钟就可以入门iOS的BLE(Bluetooth Low Energy)开发 1分钟了解BLE的基础...
    LevinYan阅读 1,188评论 2 5
  • 体育竞技,公平竞争,胜者为王。更高更快更强,展示体育精神,表达人类追求与梦想! 让球是弄虚作假,让球是自高自大,让...
    青梅煮酒见君阅读 168评论 0 1