Python爬取知乎图片代码实现解析

首先，需要获取任意知乎的问题，只需要你输入问题的ID，就可以获取相关的页面信息，比如最重要的合计有多少人回答问题。

问题ID为如下标红数字

编写代码，下面的代码用来检测用户输入的是否是正确的ID，并且通过拼接URL去获取该问题下面合计有多少答案。

import requests
import re
import pymongo
import time
DATABASE_IP = '127.0.0.1'
DATABASE_PORT = 27017
DATABASE_NAME = 'sun'
client = pymongo.MongoClient(DATABASE_IP,DATABASE_PORT)
db = client.sun
db.authenticate("dba", "dba")
collection = db.zhihuone # 准备插入数据
BASE_URL = "https://www.zhihu.com/question/{}"
def get_totle_answers(article_id):
 headers = {
   "user-agent": "需要自己补全 Mozilla/5.0 (Windows NT 10.0; WOW64)"
 }
 with requests.Session() as s:
   with s.get(BASE_URL.format(article_id),headers=headers,timeout=3) as rep:
     html = rep.text
     pattern =re.compile( '<meta itemProp="answerCount" content="(\d*?)"/>')
     s = pattern.search(html)
     print("查找到{}条数据".format(s.groups()[0]))
     return s.groups()[0]
if __name__ == '__main__':
 # 用死循环判断用户输入的是否是数字
 article_id = ""
 while not article_id.isdigit():
   article_id = input("请输入文章ID：")
 totle = get_totle_answers(article_id)
 if int(totle)>0:
   zhi = ZhihuOne(article_id,totle)
   zhi.run()
 else:
   print("没有任何数据！")

完善图片下载部分，图片下载地址在查阅过程中发现，存在json字段的content中，我们采用简单的正则表达式将他匹配出来。细节如下图展示

编写代码吧，下面的代码注释请仔细阅读，中间有一个小BUG，需要手动把pic3修改为pic2这个地方目前原因不明确，可能是我本地网络的原因，还有请在项目根目录先创建一个imgs的文件夹，用来存储图片

 def download_img(self,data):
   ## 下载图片
   for item in data["data"]:
     content = item["content"]
     pattern = re.compile('<noscript>(.*?)</noscript>')
     imgs = pattern.findall(content)
     if len(imgs) > 0:
       for img in imgs:
         match = re.search('<img src="(.*?)"', img)
         download = match.groups()[0]
         download = download.replace("pic3", "pic2") # 小BUG,pic3的下载不到
         print("正在下载{}".format(download), end="")
         try:
           with requests.Session() as s:
             with s.get(download) as img_down:
               # 获取文件名称
               file = download[download.rindex("/") + 1:]
               content = img_down.content
               with open("imgs/{}".format(file), "wb+") as f: # 这个地方进行了硬编码
                 f.write(content)

print("图片下载完成", end="\n")
         except Exception as e:
           print(e.args)
     else:
       pass

运行结果为

来源：https://blog.51cto.com/14510224/2438070