zhihu-crawler

zhihu_crawler

=============

本程序支持关键词搜索、热榜、用户信息、回答、专栏文章、评论等信息的抓取

项目目录

---

• 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 简单的页面处理

• 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; 同时该项目没有对ip限制、登录做针对性处理

安装

---

.. code:: bash

pip install zhihu_crawler

使用

---

.. code:: python

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', count=10):

        print(info)



    # 可传入data_type 指定搜索类型

    for info in search_crawl(key_word='天空', count=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_count=50,

                             comment_count=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_count=10,

                             drill_down_count=10,

                             comment_count=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_count=10, drill_down_count=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_count=10, period='day', domains=['1001', 1003]):

        print(info)