推荐学习书目
Learn Python the Hard Way
Python Sites
PyPI - Python Package Index
http://diveintopython.org/toc/index.html
Pocoo
值得关注的项目
PyPy
Celery
Jinja2
Read the Docs
gevent
pyenv
virtualenv
Stackless Python
Beautiful Soup
结巴中文分词
Green Unicorn
Sentry
Shovel
Pyflakes
pytest
Python 编程
pep8 Checker
Styles
PEP 8
Google Python Style Guide
Code Style from The Hitchhiker's Guide
AnyISalIn
V2EX  ›  Python

用 Python 3 写了个基于 selenium 的知乎关键词爬虫,可以爬钓鱼贴图片(各种爆照! 你懂得。。。)

  •  4
     
  •   AnyISalIn ·
    anyisalin · Apr 2, 2017 · 8212 views
    This topic created in 3390 days ago, the information mentioned may be changed or developed.

    demo

    地址在这里 zhihu_fun Github,求 star !!!!

    。。。嗯,其实也可以爬其他方面的东西,但是目前只支持抓图片,其实这不是我的本意,我是想抓技术方面的东西的,但是我同事想要看这个,所以我就先抓这些图片了。。。Python 菜鸟一枚,代码写的很烂,还望各位大神多多指教

    为什么要用 Selenium ?

    新版知乎部分页面用 React 重写了,必须得加载 JS ,很多加载啥的都需要点击,所以我就用到了 Selenium

    为什么不用知乎 API ?

    单纯的想写一个爬虫而已

    Supplement 1  ·  Apr 4, 2017
    还差一个就 100 star 了。。
    33 replies    2017-04-15 22:35:23 +08:00
    ProjectSky
        1
    ProjectSky  
       Apr 2, 2017
    一百次点击,无人回复,干的漂亮。
    jimmy66
        2
    jimmy66  
       Apr 2, 2017 via iPhone
    厉害了
    AltairT
        3
    AltairT  
       Apr 2, 2017
    营养跟不上啊...农村人还是在 B 乎上 Block 这些话题吧
    Hello1995
        4
    Hello1995  
       Apr 2, 2017 via Android
    提醒:_b 去掉试试😏
    AnyISalIn
        5
    AnyISalIn  
    OP
       Apr 2, 2017
    @Hello1995 哇,去掉了,发现更大的世界
    fy
        6
    fy  
       Apr 2, 2017
    楼主 66666
    Aspx
        7
    Aspx  
       Apr 2, 2017
    star 已送
    phithon
        8
    phithon  
       Apr 2, 2017
    这必须赞一波
    guyskk
        9
    guyskk  
       Apr 2, 2017
    已 star ,过了不到一个小时开始非常慢了,难道是把知乎扒光了?
    akira
        10
    akira  
       Apr 2, 2017
    按照关键字搜帖子的时候,发现很多帖子里面的图片都是无关的。 好奇怎么过滤的
    zhihaofans
        11
    zhihaofans  
       Apr 2, 2017   ❤️ 1
    让我想起了知乎上这个收藏 https://www.zhihu.com/collection/60771406 (大胸妹子 - 收藏夹 - 知乎)
    AnyISalIn
        12
    AnyISalIn  
    OP
       Apr 2, 2017
    @guyskk 你配置文件中的 url_generate_time 设置为多少,默认为 30s ,意味着爬问题只爬 30s, 剩下的就是怕回答中的图片,我爬了 20 多 g 了,设置为 None 就可以一直爬下去。。
    AnyISalIn
        13
    AnyISalIn  
    OP
       Apr 2, 2017
    @akira 这个的话,我并没有做,但是可以经爬下来之后做图像识别啥的,嗯,比较高端
    GG668v26Fd55CP5W
        14
    GG668v26Fd55CP5W  
       Apr 2, 2017 via iPhone
    很好,收藏了
    guyskk
        15
    guyskk  
       Apr 2, 2017
    @AnyISalIn #12 设置都是默认值
    AnyISalIn
        16
    AnyISalIn  
    OP
       Apr 2, 2017   ❤️ 1
    @guyskk 嗯,你设置 url_generate_time 为 None 就能一直爬了,我已经爬了 22G 了。。。
    Kalv8n
        17
    Kalv8n  
       Apr 3, 2017 via Android
    估计能扒到 nfsw 这类管理员来不及删的东西
    bsidb
        18
    bsidb  
       Apr 3, 2017
    @AnyISalIn 可以搞个深度 CNN 分类器啦(雾)
    AnyISalIn
        19
    AnyISalIn  
    OP
       Apr 3, 2017
    @bsidb 感觉太高端了。。。
    jyf
        20
    jyf  
       Apr 3, 2017
    知乎不做 ip 限次?
    AnyISalIn
        21
    AnyISalIn  
    OP
       Apr 3, 2017
    @jyf 好像没有。。。
    lonelygo
        22
    lonelygo  
       Apr 3, 2017
    已 S&F
    Vinceeeent
        23
    Vinceeeent  
       Apr 3, 2017 via Android
    先 mark ,回去 star
    coltguo
        24
    coltguo  
       Apr 3, 2017
    哎家里穷,不要发这样的照片
    huage
        25
    huage  
       Apr 3, 2017
    实践出真知!
    snoopygao
        26
    snoopygao  
       Apr 3, 2017
    专门抓大腿的
    AnyISalIn
        27
    AnyISalIn  
    OP
       Apr 3, 2017
    @snoopygao 也可以抓其他东西啊,嘿嘿
    jccg90
        28
    jccg90  
       Apr 4, 2017
    @akira 再配合某云服务的图片鉴黄 api ,就完美了。。。
    c4fun
        29
    c4fun  
       Apr 4, 2017
    很好,已经 star
    airbasic
        30
    airbasic  
       Apr 4, 2017
    道友想法很不错啊 我也在微博爬呢-。-
    https://github.com/airbasic/weibo_album_spider
    cpygui
        31
    cpygui  
       Apr 4, 2017
    改改我去爬 tumblr :)
    wellhome
        32
    wellhome  
       Apr 6, 2017 via iPhone
    支持楼主
    mingyun
        33
    mingyun  
       Apr 15, 2017
    感谢楼主,妹子到手了
    @zhihaofans 感谢,哈哈
    About   ·   Help   ·   Advertise   ·   Blog   ·   API   ·   FAQ   ·   Solana   ·   4864 Online   Highest 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 123ms · UTC 10:00 · PVG 18:00 · LAX 03:00 · JFK 06:00
    ♥ Do have faith in what you're doing.