1. 知乎文章图片爬取器之二博客背景

昨天写了知乎文章图片爬取器的一部分代码，针对知乎问题的答案json进行了数据抓取，博客中出现了部分写死的内容，今天把那部分信息调整完毕，并且将图片下载完善到代码中去。

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 www.zhihu.com/question/29024583

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.textpattern =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！")复制代码

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.contentwith 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
复制代码

运行结果为

然后在玩知乎的过程中，发现了好多好问题