zhihu-python：获取知乎信息

Author:

Update:09/09 2015

zhihu-python 采用 Python2.7 编写，用来方便地获取知乎上各种内容的信息，并且可以方便地将答案备份导出为 txt 或 markdown 文件。由于知乎官方目前没有提供 api，所以有了此项目的存在。

使用 Python3 的类似项目可以参见：zhihu-py3 。使用 PHP 的类似项目可以参见：zhihu-php 。使用 Go 的类似项目可以参见：zhihu-go 。

注: 本项目代码均在 Ubuntu14.04 上使用 python2.7.6 编写和测试通过，其他环境可能存在一定问题。

获取某个问题下的全部回答并导出，很简单：

from zhihu import Question

url = "http://www.zhihu.com/question/24269892"

question = Question(url)

answers = question.get_all_answers()

for answer in answers:

answer.to_txt()

answer.to_md()

会在当前目录下新建text，markdown两个文件夹，并将所有txt文件保存到text文件夹，所有markdown文件保存到markdown文件夹。

备份某大V的全部回答，也很简单：

from zhihu import User

user_url = "http://www.zhihu.com/people/jixin"

user = User(user_url)

answers = user.get_answers()

for answer in answers:

answer.to_txt()

answer.to_md()

导出的markdown，txt文件示例请见该项目的markdown，text文件夹。当然，想要知道某大V关注了那些人，提了什么问题也不在话下，详情请见：快速开始。

Tips :

确保你的系统里面已经安装了 Python2.7 ，不同作业系统如何安装不再赘述。

检查你系统中 python 和 pip 的版本, 如果不属于 python2.7 , 请在执行代码范例时，自行将 python 和 pip 分别替换成 python2.7 和 pip2 。

确保你的系统中安装了 git 程序 以及 python-pip 。

克隆本项目

git clone git@github.com:egrcc/zhihu-python.git

cd zhihu-python

解决依赖

sudo pip install -r requirements.txt

or

sudo pip2 install -r requirements.txt

登录知乎

登录 知乎 生成身份信息, 保存在当前目录的 cookies 文件中。

python auth.py

执行测试

python test.py

不出意外，一切应该完美运行 :))

Question 代表一个问题，处理知乎问题相关操作。创建一个 Question 对象需传入该问题的 url ，如：

from zhihu import Question

url = "http://www.zhihu.com/question/24269892"

question = Question(url)

得到 Question 对象后，可以获取该问题的一些信息：

# -*- coding: utf-8 -*-

from zhihu import Question

url = "http://www.zhihu.com/question/24269892"

question = Question(url)

# 获取该问题的标题

title = question.get_title()

# 获取该问题的详细描述

detail = question.get_detail()

# 获取回答个数

answers_num = question.get_answers_num()

# 获取关注该问题的人数

followers_num = question.get_followers_num()

# 获取该问题所属话题

topics = question.get_topics()

# 获取该问题被浏览次数

visit_times = question.get_visit_times()

# 获取排名第一的回答

top_answer = question.get_top_answer()

# 获取排名前十的十个回答

top_answers = question.get_top_i_answers(10)

# 获取所有回答

answers = question.get_all_answers()

print title # 输出：现实可以有多美好？

print detail

# 输出：

# 本问题相对于“现实可以多残酷？传送门：现实可以有多残酷？

# 题主： 昨天看了“现实可以有多残酷“。感觉不太好，所以我

# 开了这个问题以相对应，希望能够“中和一下“。和那个问题题主不想

# 把它变成“比惨大会“一样，我也不想把这个变成“鸡汤故事会“，或者

# 是“晒幸福“比赛。所以大家从“现实，实际”的角度出发，讲述自己的

# 美好故事，让大家看看社会的冷和暖，能更加辨证地看待世界，是此

# 题和彼题共同的“心愿“吧。

print answers_num # 输出：2441

print followers_num # 输出：26910

for topic in topics:

print topic, # 输出：情感克制 现实 社会 个人经历

print visit_times # 输出: 该问题当前被浏览的次数

print top_answer

# 输出：

# Answer类对象

print top_answers

# 输出：

# 代表前十的Answer的生成器

print answers

# 输出：

# 代表所有Answer的生成器

Answer 代表了一个答案，处理知乎答案相关操作。创建一个 Answer 对象需传入该答案的 url ，如：

from zhihu import Answer

answer_url = "http://www.zhihu.com/question/24269892/answer/29960616"

answer = Answer(answer_url)

得到 Answer 对象后，可以获取该答案的一些信息：

# -*- coding: utf-8 -*-

from zhihu import Answer

answer_url = "http://www.zhihu.com/question/24269892/answer/29960616"

answer = Answer(answer_url)

# 获取该答案回答的问题

question = answer.get_question()

# 获取该答案的作者

author = answer.get_author()

# 获取该答案获得的赞同数

upvote = answer.get_upvote()

# 获取该答案所属问题被浏览次数

visit_times = answer.get_visit_times()

# 获取所有给该答案点赞的用户信息

voters = answer.get_voters()

# 把答案输出为txt文件

answer.to_txt()

# 把答案输出为markdown文件

answer.to_md()

print question

#

# 一个Question对象

print question.get_title() # 输出：现实可以有多美好？

print author

#

# 一个User对象

print voters

#

# 代表所有该答案点赞的用户的生成器

print author.get_user_id() # 输出：田浩

print upvote # 输出：9320

print visit_times # 输出: 改答案所属问题被浏览次数

User 代表一个用户，处理用户相关操作。创建一个 User 对象需传入该用户的 url ，如：

from zhihu import User

user_url = "http://www.zhihu.com/people/jixin"

user = User(user_url)

得到 User 对象后，可以获取该用户的一些信息：

# -*- coding: utf-8 -*-

from zhihu import User

user_url = "http://www.zhihu.com/people/jixin"

user = User(user_url)

# 获取用户ID

user_id = user.get_user_id()

# 获取用户性别

user_gender = user.get_gender()

# 获取该用户的关注者人数

followers_num = user.get_followers_num()

# 获取该用户关注的人数

followees_num =user.get_followees_num()

# 获取该用户提问的个数

asks_num = user.get_asks_num()

# 获取该用户回答的个数

answers_num = user.get_answers_num()

# 获取该用户收藏夹个数

collections_num = user.get_collections_num()

# 获取该用户获得的赞同数

agree_num = user.get_agree_num()

# 获取该用户获得的感谢数

thanks_num = user.get_thanks_num()

# 获取该用户关注的人

followees = user.get_followees()

# 获取关注该用户的人

followers = user.get_followers()

# 获取该用户提的问题

asks = user.get_asks()

# 获取该用户回答的问题的答案

answers = user.get_answers()

# 获取该用户的收藏夹

collections = user.get_collections()

print user_id # 黄继新

print followers_num # 614840

print followees_num # 8408

print asks_num # 1323

print answers_num # 786

print collections_num # 44

print agree_num # 46387

print thanks_num # 11477

print followees

#

# 代表所有该用户关注的人的生成器对象

print followers

#

# 代表所有关注该用户的人的生成器对象

print asks

#

# 代表该用户提的所有问题的生成器对象

print answers

#

# 代表该用户回答的所有问题的答案的生成器对象

print collections

#

# 代表该用户收藏夹的生成器对象

Collection 代表一个收藏夹，处理收藏夹相关操作。创建一个 Collection 对象需传入该收藏夹的 url ，如：

from zhihu import Collection

collection_url = "http://www.zhihu.com/collection/36750683"

collection = Collection(collection_url)

得到 Collection 对象后，可以获取该收藏夹的一些信息：

# -*- coding: utf-8 -*-

from zhihu import Collection

collection_url = "http://www.zhihu.com/collection/36750683"

collection = Collection(collection_url)

# 获取该收藏夹的创建者

creator = collection.get_creator()

# 获取该收藏夹的名字

name = collection.get_name()

# 获取该收藏夹下的前十个答案

top_answers = collection.get_top_i_answers(10)

# 获取该收藏夹下的所有答案

answers = collection.get_all_answers()

print creator

#

# 一个User对象

print creator.get_user_id() # 稷黍

print name # 给你一个不同的视角

print top_answers

#

# 代表前十个答案的生成器对象

print answers

#

# 代表所有答案的生成器对象

将 Question ， Answer ， User ， Collection 结合起来使用。实例如下：

# -*- coding: utf-8 -*-

from zhihu import Question

from zhihu import Answer

from zhihu import User

from zhihu import Collection

url = "http://www.zhihu.com/question/24269892"

question = Question(url)

# 得到排名第一的答案

answer = question.get_top_answer()

# 得到排名第一的答案的作者

user = answer.get_author()

# 得到该作者回答过的所有问题的答案

user_answers = user.get_answers()

# 输出该作者回答过的所有问题的标题

for answer in user_answers:

print answer.get_question().get_title()

# 得到该用户的所有收藏夹

user_collections = user.get_collections()

for collection in user_collections:

# 输出每一个收藏夹的名字

print collection.get_name()

# 得到该收藏夹下的前十个回答

top_answers = collection.get_top_i_answers(10)

# 把答案内容转成txt，markdown

for answer in top_answers:

answer.to_txt()

answer.to_md()

以上示例均可以在test.py文件中找到。

虽然是单线程，但速度不算太慢。抓取 哪些东西买了之后，会让人因生活质量和幸福感提升而感觉相见恨晚？ 下前200个回答，91秒；抓取 有哪些 100 元以下，很少见但高大上的物件？ 下前50个回答，48秒；抓取 现实可以有多美好？ 下前200个回答，69秒。生成的文件请见markdown，text文件夹。所有匿名用户的回答放在一个文件里面。

class zhihu. Question (url, title = None)

Question 以 url 为唯一标识，创建一个 Question 对象实例必须传入一个代表知乎问题的 url (如： http://www.zhihu.com/question/26611428)，需包含“http://”。如果传入的不是代表问题的 url ，程序会报错。通过调用 Question 类的一系列方法，获得该问题的一些信息。

Parameters：

url -- 该问题的链接，字符串

title -- 该问题的标题，字符串，可选

Returns： 一个 Question 实例对象

get_title ()

得到该问题的标题。

Returns： 代表标题的字符串

get_detail ()

得到该问题的详细描述。原问题的描述可能带有图片或视频，这里得到的是纯文字。

Returns： 代表详细描述的字符串

get_answers_num ()

得到该问题的回答个数。

Returns： 代表回答个数的 int 型整数

get_followers_num ()

得到关注该问题的人数。

Returns： 代表人数的 int 型整数

get_topics ()

得到该问题所属的话题。

Returns： 一个 list ，每一个元素为代表一个话题的字符串

注：以后可能会添加一个 Topic 类，到时候每一个元素为代表一个话题的 Topic 类对象。

get_all_answers ()

得到该问题的所有回答。

Returns： 包含所有答案的 generator 对象。其中每一个元素为代表一个答案的 Answer 对象

get_top_i_answers (n)

得到该问题的前 n 个回答。

Parameters： n -- int 型整数

Returns： 包含前 n 个答案的 generator 对象。其中每一个元素为代表一个答案的 Answer 对象

get_top_answer ()

得到目前排名第一的回答。

Returns： 代表该答案的 Answer 对象

get_visit_times ()

得到该问题被浏览次数。该方法由 @lufo816 添加。

Returns： 代表浏览次数的 int 型整数

class zhihu. User (user_url, user_id = None)

User 以 url 为唯一标识，创建一个 User 对象实例必须传入一个代表知乎用户的 url (如： http://www.zhihu.com/people/egrcc)，需包含“http://”。如果传入的不是代表用户的 url ，程序会报错。通过调用 User 类的一系列方法，获得该用户的一些信息。

Parameters：

user_url -- 该用户的链接，字符串

user_id -- 该用户的 ID ，字符串，可选

Returns： 一个 User 实例对象

get_user_id ()

得到该用户的ID。

Returns： 代表 ID 的字符串

get_gender ()

得到该用户的性别。

Returns： 代表 性别 的字符串(male/female)

get_followees_num ()

得到该用户关注的人的个数。

Returns： 代表人数的 int 型整数

get_followers_num ()

得到关注该用户的人的个数。

Returns： 代表人数的 int 型整数

get_agree_num ()

得到该用户获得的赞同数。

Returns： 代表赞同数的 int 型整数

get_thanks_num ()

得到该用户获得的感谢数。

Returns： 代表感谢数的 int 型整数

get_asks_num ()

得到该用户提问题的个数。

Returns： 代表问题数的 int 型整数

get_answers_num ()

得到该用户回答问题的个数。

Returns： 代表问题数的 int 型整数

get_collections_num ()

得到该用户收藏夹的个数。

Returns： 代表收藏夹数的 int 型整数

get_followees ()

得到该用户关注的人。

Returns： 包含所有该用户关注的人的 generator 对象。其中每一个元素为代表一个用户的 User 对象

get_followers ()

得到关注该用户的人。

Returns： 包含所有关注该用户的人的 generator 对象。其中每一个元素为代表一个用户的 User 对象

get_asks ()

得到该用户提的所有问题。

Returns： 包含所有问题的 generator 对象。其中每一个元素为代表一个问题的 Question 对象

get_answers ()

得到该用户回答的所有问题的答案。

Returns： 包含所有回答的 generator 对象。其中每一个元素为代表一个回答的 Answer 对象

get_collections ()

得到该用户的所有收藏夹。

Returns： 包含所有收藏夹的 generator 对象。其中每一个元素为代表一个收藏夹的 Collection 对象

class zhihu. Answer (answer_url, question = None, author = None, upvote = None, content = None)

Answer 以 url 为唯一标识，创建一个 Answer 对象实例必须传入一个代表知乎回答的 url (如： http://www.zhihu.com/question/19878575/answer/14776495)，需包含“http://”。如果传入的不是代表回答的 url ，程序会报错。通过调用 Answer 类的一系列方法，获得该回答的一些信息。一般不自己创建Answer对象。

Parameters：

answer_url -- 该答案的链接，字符串

question -- 该答案回答的问题， Question 对象，可选

author -- 该答案的作者， User 对象，可选

upvote -- 该答案获得的赞同数， int 型整数，可选

content -- 该答案的内容， BeautifulSoup 对象，可选

Returns： 一个 Answer 实例对象

get_question ()

得到该答案回答的问题。

Returns： 一个 Question 对象

get_author ()

得到该答案的作者 。

Returns： 一个 User 对象

get_upvote ()

得到该答案获得的赞同数。

Returns： 一个 int 型整数

get_content ()

得到该答案的内容。

Returns： 一个 BeautifulSoup 对象

get_visit_times ()

得到该答案所属问题被浏览次数。该方法由 @lufo816 添加。

Returns： 代表浏览次数的 int 型整数

get_voters ()

得到给该答案点赞的用户。该方法由 @lufo816 添加。

Returns： 包含所有给该答案点赞的用户的 generator 对象。其中每一个元素为代表一个用户的 User 对象

to_txt ()

将该答案转成txt文件，并会在当前目录下创建一个text文件夹，所生成的txt文件均保存在该文件夹。

to_md ()

将该答案转成markdown文件，并会在当前目录下创建一个markdown文件夹，所生成的markdown文件均保存在该文件夹。

class zhihu. Collection (url, name = None, creator = None)

Collection 以 url 为唯一标识，创建一个 Collection 对象实例必须传入一个代表知乎收藏夹的 url (如： http://www.zhihu.com/collection/27053469)，需包含“http://”。如果传入的不是代表收藏夹的 url ，程序会报错。通过调用 Collection 类的一系列方法，获得该收藏夹的一些信息。

Parameters：

url -- 该收藏夹的链接，字符串

name -- 该收藏夹的名字，字符串，可选

creator -- 该收藏夹的创建者，User 对象，可选

Returns： 一个 Collection 实例对象

get_name ()

得到该收藏夹的名字。

Returns： 代表名字的字符串

get_creator ()

得到该收藏夹的创建者。

Returns：代表创建者 User 对象

get_all_answers ()

得到该收藏夹收藏的所有回答。

Returns： 包含该收藏夹下所有回答的 generator 对象。其中每一个元素为代表一个回答的 Answer 对象

get_top_i_answers (n)

得到该收藏夹收藏的前 n 个回答。

Parameters： n -- int 型整数

Returns： 包含该收藏夹下前 n 个回答的 generator 对象。其中每一个元素为代表一个回答的 Answer 对象

如果本项目有帮到你，欢迎捐赠支持。

支付宝(左)，微信支付(右)：