点击上方 “蓝字” 关注，学习生活两不误

点击上方“python学习专栏”，选择“置顶公众号”

干货、福利第一时间送达！

文末有 word版获取方式

日常刷知乎，我是一个爱学习的人

今天让我看到了一条，有哪些比较新的土味情话？

对于钢铁直男而言，这是新大陆啊

学起来

乍一看，很多大佬回答了，还挺多。

于是乎，我决定去将这些土味情话保存下来

以备不时之需

所以，这篇文章就面世，收集 土味情话

当然了，对于一个学习python的我，就算是爬虫技术一般般

对于爬取知乎的评论还是能够轻松做到的

一步一步

1、分析知乎页面

2、分析链接

3、获取评论

4、保存到word文档

1、分析知乎页面

给出链接 https://www.zhihu.com/question/293527229

我们直接使用浏览器自带的 抓包工具

点击F12，或者右键 点击 审查元素(360浏览器)

然后刷新一下页面，按照下图依次点击

点击到3 时刷新一下页面，然后往下拉网页页面，

知道4所示字段出现，点击，点击5， 复制6 所示的链接

2、分析链接

由于 知乎采用的是动态返回数据

我们不可能由一个链接来得到我们要的全部数据

再次滑动页面获取一个 和上面字段一样的header中的链接

看看两个链接的不同之处，就是关注limit 和 offset ，这个的意思是

每次获取5条评论(limit)，offset 是现在获取到多少条

也就是 第一次 是 0-5，第二次是6-10

url = 'https://www.zhihu.com/api/v4/questions/293527229/answers?include=data%5B*%5D.is_normal%2Cadmin_closed_comment%2Creward_info%2Cis_collapsed%2Cannotation_action%2Cannotation_detail%2Ccollapse_reason%2Cis_sticky%2Ccollapsed_by%2Csuggest_edit%2Ccomment_count%2Ccan_comment%2Ccontent%2Ceditable_content%2Cvoteup_count%2Creshipment_settings%2Ccomment_permission%2Ccreated_time%2Cupdated_time%2Creview_info%2Crelevant_info%2Cquestion%2Cexcerpt%2Crelationship.is_authorized%2Cis_author%2Cvoting%2Cis_thanked%2Cis_nothelp%2Cis_labeled%2Cis_recognized%2Cpaid_info%2Cpaid_info_content%3Bdata%5B*%5D.mark_infos%5B*%5D.url%3Bdata%5B*%5D.author.follower_count%2Cbadge%5B*%5D.topics&offset= {}&limit=5&sort_by=default&platform=desktop'.format(str(i))

只要在这里对 offset进行改变即可

3、获取评论

使用我们获取的链接打开，获取的是json 数据

这里我们需要使用 json.loads 转化为python的数据类型，字典

import requestsimport jsonresponse = requests.get(url=url, headers=headers)res = json.loads(response.content.decode())soup = BeautifulSoup(res['data'][0]['content'], 'lxml')

res['data'][0]['content'] 这里面就是评论的内容

这些数据是以 网页代码形式存储的

我们需要转为html ，然后获取内容

soup = BeautifulSoup(res['data'][0]['content'], 'lxml')con = soup.select('p')  #获取p标签con.get_text()  #获取文本

4、存储为word文档

这里需要使用到 docx库

pip install python-docx #安装

from docx import Documentfrom docx.enum.text import WD_ALIGN_PARAGRAPHdocument = Document() #创建 word处理document.add_heading('Document Title', 0) #插入标题p = document.add_paragraph('123456789\n') #插入段落p.alignment = WD_ALIGN_PARAGRAPH.CENTER #居中对齐

想要更多的了解这个库，可以到官网学习

https://python-docx.readthedocs.io/en/latest/index.html

完整代码

def request_data(num):headers = {'accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8','user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36',}print('回答数量=', num)document = Document()document.add_heading('土味情话', 0) #插入标题document.add_heading('来源于知乎', 2) #插入标题for i in range(0,num,5):print('请求了 {} 回答'.format(i))url = 'https://www.zhihu.com/api/v4/questions/293527229/answers?include=data%5B*%5D.is_normal%2Cadmin_closed_comment%2Creward_info%2Cis_collapsed%2Cannotation_action%2Cannotation_detail%2Ccollapse_reason%2Cis_sticky%2Ccollapsed_by%2Csuggest_edit%2Ccomment_count%2Ccan_comment%2Ccontent%2Ceditable_content%2Cvoteup_count%2Creshipment_settings%2Ccomment_permission%2Ccreated_time%2Cupdated_time%2Creview_info%2Crelevant_info%2Cquestion%2Cexcerpt%2Crelationship.is_authorized%2Cis_author%2Cvoting%2Cis_thanked%2Cis_nothelp%2Cis_labeled%2Cis_recognized%2Cpaid_info%2Cpaid_info_content%3Bdata%5B*%5D.mark_infos%5B*%5D.url%3Bdata%5B*%5D.author.follower_count%2Cbadge%5B*%5D.topics&offset={}&limit=5&sort_by=default&platform=desktop'.format(str(i))response = requests.get(url=url, headers=headers)res = json.loads(response.content.decode())for content in res['data']:document.add_heading('作者：{}，点赞人数：{}'.format(content['author']['name'], content['voteup_count']), 0) #插入标题soup = BeautifulSoup(content['content'], 'lxml')#大致看了一下，评论的内容有两类标签if len(soup.select('blockquote')) > 5: #回答小于5 则过滤掉for text in soup.select('blockquote'):pare = document.add_paragraph(text.get_text()) #插入段落pare.alignment = WD_ALIGN_PARAGRAPH.CENTER #中间对齐elif len(soup.select('p')):for text in soup.select('p'):pare = document.add_paragraph(text.get_text())pare.alignment = WD_ALIGN_PARAGRAPH.CENTERdocument.save('土味情话3.docx')if __name__ == '__main__':num = int(input('输入想获取的数量')) #这里是指评论的数量，并不是情话数量request_data(260)

看完了，记得点在看

关注公众号

回复：土味情话

即可获取，5000句word完整版土味情话

end

长按识别二维码关注