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。。。) - V2EX
V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
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

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 2017 年 4 月 2 日 8025 次点击
    这是一个创建于 3309 天前的主题,其中的信息可能已经有所发展或是发生改变。

    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

    第 1 条附言    2017 年 4 月 4 日
    还差一个就 100 star 了。。
    33 条回复    2017-04-15 22:35:23 +08:00
    ProjectSky
        1
    ProjectSky  
       2017 年 4 月 2 日
    一百次点击,无人回复,干的漂亮。
    jimmy66
        2
    jimmy66  
       2017 年 4 月 2 日 via iPhone
    厉害了
    AltairT
        3
    AltairT  
       2017 年 4 月 2 日
    营养跟不上啊...农村人还是在 B 乎上 Block 这些话题吧
    Hello1995
        4
    Hello1995  
       2017 年 4 月 2 日 via Android
    提醒:_b 去掉试试
    AnyISalIn
        5
    AnyISalIn  
    OP
       2017 年 4 月 2 日
    @Hello1995 哇,去掉了,发现更大的世界
    fy
        6
    fy  
       2017 年 4 月 2 日
    楼主 66666
    Aspx
        7
    Aspx  
       2017 年 4 月 2 日
    star 已送
    phithon
        8
    phithon  
       2017 年 4 月 2 日
    这必须赞一波
    guyskk
        9
    guyskk  
       2017 年 4 月 2 日
    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  
       2017 年 4 月 2 日
    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  
       2017 年 4 月 2 日   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
       2017 年 4 月 2 日
    @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
       2017 年 4 月 2 日
    @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  
       2017 年 4 月 2 日 via iPhone
    很好,收藏了
    guyskk
        15
    guyskk  
       2017 年 4 月 2 日
    @AnyISalIn #12 设置都是默认值
    AnyISalIn
        16
    AnyISalIn  
    OP
       2017 年 4 月 2 日   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  
       2017 年 4 月 3 日 via Android
    估计能扒到 nfsw 这类管理员来不及删的东西
    bsidb
        18
    bsidb  
       2017 年 4 月 3 日
    @AnyISalIn 可以搞个深度 CNN 分类器啦(雾)
    AnyISalIn
        19
    AnyISalIn  
    OP
       2017 年 4 月 3 日
    @bsidb 感觉太高端了。。。
    jyf
        20
    jyf  
       2017 年 4 月 3 日
    知乎不做 ip 限次?
    AnyISalIn
        21
    AnyISalIn  
    OP
       2017 年 4 月 3 日
    @jyf 好像没有。。。
    lonelygo
        22
    lonelygo  
       2017 年 4 月 3 日
    已 S&F
    Vinceeeent
        23
    Vinceeeent  
       2017 年 4 月 3 日 via Android
    先 mark ,回去 star
    coltguo
        24
    coltguo  
       2017 年 4 月 3 日
    哎家里穷,不要发这样的照片
    huage
        25
    huage  
       2017 年 4 月 3 日
    实践出真知!
    snoopygao
        26
    snoopygao  
       2017 年 4 月 3 日
    专门抓大腿的
    AnyISalIn
        27
    AnyISalIn  
    OP
       2017 年 4 月 3 日
    @snoopygao 也可以抓其他东西啊,嘿嘿
    jccg90
        28
    jccg90  
       2017 年 4 月 4 日
    @akira 再配合某云服务的图片鉴黄 api ,就完美了。。。
    c4fun
        29
    c4fun  
       2017 年 4 月 4 日
    很好,已经 star
    airbasic
        30
    airbasic  
       2017 年 4 月 4 日
    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  
       2017 年 4 月 4 日
    改改我去爬 tumblr :)
    wellhome
        32
    wellhome  
       2017 年 4 月 6 日 via iPhone
    支持楼主
    mingyun
        33
    mingyun  
       2017 年 4 月 15 日
    感谢楼主,妹子到手了
    @zhihaofans 感谢,哈哈
    关于     帮助文档     自助推广系统     博客     API     FAQ     Solana     892 人在线   最高记录 6679       Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 80ms UTC 21:44 PVG 05:44 LAX 14:44 JFK 17:44
    Do have faith in what you're doing.
    ubao msn snddm index pchome yahoo rakuten mypaper meadowduck bidyahoo youbao zxmzxm asda bnvcg cvbfg dfscv mmhjk xxddc yybgb zznbn ccubao uaitu acv GXCV ET GDG YH FG BCVB FJFH CBRE CBC GDG ET54 WRWR RWER WREW WRWER RWER SDG EW SF DSFSF fbbs ubao fhd dfg ewr dg df ewwr ewwr et ruyut utut dfg fgd gdfgt etg dfgt dfgd ert4 gd fgg wr 235 wer3 we vsdf sdf gdf ert xcv sdf rwer hfd dfg cvb rwf afb dfh jgh bmn lgh rty gfds cxv xcv xcs vdas fdf fgd cv sdf tert sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf shasha9178 shasha9178 shasha9178 shasha9178 shasha9178 liflif2 liflif2 liflif2 liflif2 liflif2 liblib3 liblib3 liblib3 liblib3 liblib3 zhazha444 zhazha444 zhazha444 zhazha444 zhazha444 dende5 dende denden denden2 denden21 fenfen9 fenf619 fen619 fenfe9 fe619 sdf sdf sdf sdf sdf zhazh90 zhazh0 zhaa50 zha90 zh590 zho zhoz zhozh zhozho zhozho2 lislis lls95 lili95 lils5 liss9 sdf0ty987 sdft876 sdft9876 sdf09876 sd0t9876 sdf0ty98 sdf0976 sdf0ty986 sdf0ty96 sdf0t76 sdf0876 df0ty98 sf0t876 sd0ty76 sdy76 sdf76 sdf0t76 sdf0ty9 sdf0ty98 sdf0ty987 sdf0ty98 sdf6676 sdf876 sd876 sd876 sdf6 sdf6 sdf9876 sdf0t sdf06 sdf0ty9776 sdf0ty9776 sdf0ty76 sdf8876 sdf0t sd6 sdf06 s688876 sd688 sdf86