【爬虫案例】用Python爬取知乎热榜数据！

孟和

目录

• 一、爬取目标
  
• 二、编写爬虫代码
  
• 三、同步讲解视频
  
  
  
  • 3.1 代码演示视频
    
  • 3.2 详细讲解视频
    
  
  
• 四、获取完整源码
  

一、爬取目标

您好，我是@马哥python说，一名10年程序猿。
本次爬取的目标是：知乎热榜

共爬取到6个字段，包含：

热榜排名, 热榜标题, 热榜链接, 热度值, 回答数, 热榜描述。

用CHrome浏览器，右键打开开发者模式，选择：网络->XHR这个选项，重新点击一下【热榜】按钮，或者切换到【视频】页再切换回【热榜】页。
操作过程，如下图所示：

下面，开始编码爬虫代码。
二、编写爬虫代码

首先，导入需要用到的库：

1. import requests
2. import pandas as pd

复制代码

定义一个请求地址，即上图中的目标链接地址：

1. # 接口地址
2. url = 'https://www.zhihu.com/api/v3/feed/topstory/hot-lists/total?limit=50&desktop=true'

复制代码

定义一个请求头，从开发者模式中的Headers->Request Headers中复制下来：

1. # 构造请求头
2. headers = {
3.     'Accept': '*/*',
4.     'Accept-Language': 'zh-CN,zh-Hans;q=0.9',
5.     'Accept-Encoding': 'gzip, deflate, br',
6.     'Host': 'www.zhihu.com',
7.     'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/15.4 Safari/605.1.15',
8.     'Referer': 'https://www.zhihu.com/hot',
9.     'Connection': 'keep-alive',
10.     'Cookie': '换成自己的cookie值',
11.     'x-ab-pb': 'CgQnB/gMEgIAAA==',
12.     'x-requested-with': 'fetch',
13.     'x-zst-81': '3_2.0aR_sn77yn6O92wOB8hPZn490EXtucRFqwHNMUrL8YunpELY0w6SmDggMgBgPD4S1hCS974e1DrNPAQLYlUefii_qr6kxELt0M4PGDwN8gGcYAupMWufIoLVqr4gxrRPOI0cY7HL8qun9g93mFukyigcmebS_FwOYPRP0E4rZUrN9DDom3hnynAUMnAVPF_PhaueTF8Lme9gKSq3_BBOG1UVmggHYFJefYqeYfhO_rTgBSMSMpGYLwqcGYDVfXUSTVHefr_xmBq399qX0jCgKNcr_cCSmi9xYvhoLeXx18qCYEw3Of0NLwuc8TUOpS8tMdCcGuCo8kCp_pbLf6hgO_JVKXwFY2JOLG7VCSXxYqrSBICL_5GxmOg_z6XVxqBLfMvxqYDuf3DOf6GLGhDHCbRxO0qLpTDXfbvxCSAH0BhCmJ4NmRBY8rJwB6MS124SqKuo_ywS8ACtBfqwC8XC9QA3KxCepuuCYXhLyWgNCuwYs',
14.     'x-zse-93': '101_3_3.0',
15.     'x-api-version': '3.0.76',
16.     'x-zse-96': '2.0_CkAT7RdDtmW9PikRDfWa4CZIMx50XeUMQ7r34wP2JRAtFiCKXsSmoxCzrKWi2nJ1'
17. }

复制代码

不知如何获取Cookie？参考下图：

向目标地址发送请求（带上请求头），并用json格式接收返回数据：

1. # 发送请求
2. r = requests.get(url, headers=headers)
3. # 用json接收请求数据
4. json_data = r.json()

复制代码

定义一些空列表，用于存储数据：

1. order_list = []  # 热榜排名
2. title_list = []  # 热榜标题
3. desc_list = []  # 热榜描述
4. url_list = []  # 热榜链接
5. hot_value_list = []  # 热度值
6. answer_count_list = []  # 回答数

复制代码

以“热榜标题”为例，解析数据：

1. for data in data_list:
2.     # 热榜标题
3.     title = data['target']['title_area']['text']
4.     print(order, '热榜标题：', title)
5.     title_list.append(title)

复制代码

其他字段同理，不再赘述。
最后，把解析到的数据，存储到Dataframe中，并保存到csv文件里：

1. # 拼装爬取到的数据为DataFrame
2. df = pd.DataFrame(
3.     {
4.         '热榜排名': order_list,
5.         '热榜标题': title_list,
6.         '热榜链接': url_list,
7.         '热度值': hot_value_list,
8.         '回答数': answer_count_list,
9.         '热榜描述': desc_list,
10.     }
11. )
12. # 保存结果到csv文件
13. df.to_csv('知乎热榜.csv', index=False, encoding='utf_8_sig')

复制代码

这里需要注意的是，to_csv要加上encoding='utf_8_sig'参数，防止保存到csv文件产生乱码数据。
查看爬取结果：

共50条数据，对应热榜TOP50排名。
每条数据含6个字段：热榜排名, 热榜标题, 热榜链接, 热度值, 回答数, 热榜描述。
三、同步讲解视频

3.1 代码演示视频

代码演示:
3.2 详细讲解视频

讲解教程：
四、获取完整源码

get完整源码：【爬虫案例】用Python爬取知乎热榜数据！
我是@马哥python说 ，持续分享python源码干货中！

来源:https://www.cnblogs.com/mashukui/p/zhihu_hot.html
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！