python爬虫实战（1）——爬取知乎热门回答图片
本文共 2854 字，大约阅读时间需要 9 分钟。
文章目录
一、前期准备
1.查看网页源代码
打开问题链接
2.看图片在什么位置
用箭头指向其中一张图片，查看图片位置。
可以观察到每张图片都在一个figure里面。里面有img标签，有图片链接地址，我们可以全部提取出来，并保存在本地。 二、python代码实现
1.解析网页
def get_soup(url): page = urllib.request.urlopen(url) html = page.read() soup = BeautifulSoup(html, 'html.parser') return soup
2.获取问题标题
def get_question_title(soup): title=soup.find_all('h1', class_='QuestionHeader-title')[0].text print('问题：{}'.format(title)) 
3.获取回答者信息
def get_hot_answer(soup): auther=soup.find_all('div', class_='AuthorInfo-content')[0] autherinfo=auther.find_all('a')[0].text print('回答者：{}'.format(autherinfo)) 
4.图片保存到本地
def get_img(soup): imglist=[] for item in soup.find_all('div', class_='QuestionAnswer-content'): figure=item.find_all('figure') for t0 in figure: t1=t0.find_all('img') for t2 in t1: t3=t2.get('src') imglist.append(t3) # 表示在整个网页中过滤出所有图片的地址，放在imglist中 path = 'image' print(imglist) paths='' # 将图片保存到image文件夹中，如果没有image文件夹则创建 if not os.path.isdir(path): os.makedirs(path) paths = path + '\\' # 保存在image路径下 else: paths='image'+'\\' idx = 1 for imgurl in imglist: a = imgurl.startswith('http') if (a): urllib.request.urlretrieve(imgurl,'{0}{1}.png'.format(paths,idx)) # 打开imglist中保存的图片网址，并下载图片保存在本地，format格式化字符串 idx = idx + 1 5.完整代码
import urllib.requestimport urllibimport osimport requestsfrom bs4 import BeautifulSoupurl = 'https://www.zhihu.com/question/50426133/answer/483139994'def get_soup(url): page = urllib.request.urlopen(url) html = page.read() soup = BeautifulSoup(html, 'html.parser') return soupdef get_question_title(soup): title=soup.find_all('h1', class_='QuestionHeader-title')[0].text print('问题：{}'.format(title))def get_hot_answer(soup): auther=soup.find_all('div', class_='AuthorInfo-content')[0] autherinfo=auther.find_all('a')[0].text print('回答者：{}'.format(autherinfo))def get_img(soup): imglist=[] for item in soup.find_all('div', class_='QuestionAnswer-content'): figure=item.find_all('figure') for t0 in figure: t1=t0.find_all('img') for t2 in t1: t3=t2.get('src') imglist.append(t3) # 表示在整个网页中过滤出所有图片的地址，放在imglist中 path = 'image' print(imglist) paths='' # 将图片保存到image文件夹中，如果没有image文件夹则创建 if not os.path.isdir(path): os.makedirs(path) paths = path + '\\' # 保存在image路径下 else: paths='image'+'\\' idx = 1 for imgurl in imglist: a = imgurl.startswith('http') if (a): urllib.request.urlretrieve(imgurl,'{0}{1}.png'.format(paths,idx)) # 打开imglist中保存的图片网址，并下载图片保存在本地，format格式化字符串 idx = idx + 1if __name__ == '__main__': soup=get_soup(url) get_question_title(soup) get_hot_answer(soup) get_img(soup) 三、最终结果
放几张大图吧！ 
转载地址：http://fuxzi.baihongyu.com/
你可能感兴趣的文章
杭电ACM——4864，Task（贪心）
查看>>
北大ACM——3176，Cow Bowling（动态规划）
查看>>
北大ACM——2229，Sumsets（DP或思维）
查看>>
北大ACM——3186，Treats For The Cows（DP）
查看>>
杭电ACM——蝎子搬新家（贪心）
查看>>
杭电ACM——处理木棍（贪心）
查看>>
杭电ACM——broomstick训练营（贪心）
查看>>
杭电ACM——1018，Big Number（思维）
查看>>
杭电ACM——6463（思维）
查看>>
杭电AC——6561（思维）
查看>>
杭电ACM——1034，Candy Sharing Game
查看>>
杭电ACM——建房子（贪心）
查看>>
杭电ACM——1297，Children’s Queue（递推）
查看>>
杭电ACM——1003，Max Sum（DP）
查看>>
杭电ACM——1042，N！（思维）
查看>>
杭电ACM——1060，Leftmost Digit（思维）
查看>>
杭电ACM——1061，Rightmost Digit（思维）
查看>>
杭电ACM——1087，Super Jumping! Jumping! Jumping!（DP）
查看>>
杭电ACM——fatmouse's speed（DP）
查看>>
杭电ACM——毛毛虫（DP）
查看>>