Ecosyste.ms: Awesome

An open API service indexing awesome lists of open source software.

Awesome Lists | Featured Topics | Projects

https://github.com/egrcc/zhihu-python

获取知乎内容信息,包括问题,答案,用户,收藏夹信息
https://github.com/egrcc/zhihu-python

Last synced: 3 months ago
JSON representation

获取知乎内容信息,包括问题,答案,用户,收藏夹信息

Awesome Lists containing this project

README

        

zhihu-python:获取知乎信息
===============================

**注意: 本项目不再维护更新!**

.. contents::

介绍
----

zhihu-python 采用 Python2.7 编写,用来方便地获取知乎上各种内容的信息,并且可以方便地将答案备份导出为 txt 或 markdown 文件。由于知乎官方目前没有提供 api,所以有了此项目的存在。

使用 Python3 的类似项目可以参见:`zhihu-py3 `_ 。使用 PHP 的类似项目可以参见:`zhihu-php `_ 。使用 Go 的类似项目可以参见:`zhihu-go `_ 。

**注: 本项目代码均在 Ubuntu14.04 上使用 python2.7.6 编写和测试通过,其他环境可能存在一定问题。**

获取某个问题下的全部回答并导出,很简单:

.. code-block:: python

from zhihu import Question

url = "http://www.zhihu.com/question/24269892"
question = Question(url)
answers = question.get_all_answers()
for answer in answers:
answer.to_txt()
answer.to_md()

会在当前目录下新建text,markdown两个文件夹,并将所有txt文件保存到text文件夹,所有markdown文件保存到markdown文件夹。

备份某大V的全部回答,也很简单:

.. code-block:: python

from zhihu import User

user_url = "http://www.zhihu.com/people/jixin"
user = User(user_url)
answers = user.get_answers()
for answer in answers:
answer.to_txt()
answer.to_md()

导出的markdown,txt文件示例请见该项目的markdown,text文件夹。当然,想要知道某大V关注了那些人,提了什么问题也不在话下,详情请见:快速开始。

快速开始
---------

准备
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

**Tips** :

1. 确保你的系统里面已经安装了 `Python2.7 `_ ,不同作业系统如何安装不再赘述。
2. 检查你系统中 `python` 和 `pip` 的版本, 如果不属于 `python2.7` , 请在执行代码范例时,自行将 `python` 和 `pip` 分别替换成 `python2.7` 和 `pip2` 。
3. 确保你的系统中安装了 `git` 程序 以及 `python-pip` 。

**克隆本项目**

.. code:: bash

git clone [email protected]:egrcc/zhihu-python.git
cd zhihu-python

**解决依赖**

* `Beautiful Soup 4 `_
* `requests `_
* `html2text `_
* `termcolor `_
* `lxml `_

.. code:: bash

sudo pip install -r requirements.txt

or

.. code:: bash

sudo pip2 install -r requirements.txt

**登录知乎**

登录 `知乎` 生成身份信息, 保存在当前目录的 `cookies` 文件中。

.. code:: bash

python auth.py

**执行测试**

.. code:: bash

python test.py

不出意外,一切应该完美运行 :))

Question:获取问题信息
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Question 代表一个问题,处理知乎问题相关操作。创建一个 Question 对象需传入该问题的 url ,如:

.. code-block:: python

from zhihu import Question

url = "http://www.zhihu.com/question/24269892"
question = Question(url)

得到 Question 对象后,可以获取该问题的一些信息:

.. code-block:: python

# -*- coding: utf-8 -*-
from zhihu import Question

url = "http://www.zhihu.com/question/24269892"
question = Question(url)

# 获取该问题的标题
title = question.get_title()
# 获取该问题的详细描述
detail = question.get_detail()
# 获取回答个数
answers_num = question.get_answers_num()
# 获取关注该问题的人数
followers_num = question.get_followers_num()
# 获取该问题所属话题
topics = question.get_topics()
# 获取该问题被浏览次数
visit_times = question.get_visit_times()
# 获取排名第一的回答
top_answer = question.get_top_answer()
# 获取排名前十的十个回答
top_answers = question.get_top_i_answers(10)
# 获取所有回答
answers = question.get_all_answers()

print title # 输出:现实可以有多美好?
print detail
# 输出:
# 本问题相对于“现实可以多残酷?传送门:现实可以有多残酷?
# 题主: 昨天看了“现实可以有多残酷“。感觉不太好,所以我
# 开了这个问题以相对应,希望能够“中和一下“。和那个问题题主不想
# 把它变成“比惨大会“一样,我也不想把这个变成“鸡汤故事会“,或者
# 是“晒幸福“比赛。所以大家从“现实,实际”的角度出发,讲述自己的
# 美好故事,让大家看看社会的冷和暖,能更加辨证地看待世界,是此
# 题和彼题共同的“心愿“吧。
print answers_num # 输出:2441
print followers_num # 输出:26910
for topic in topics:
print topic, # 输出:情感克制 现实 社会 个人经历
print visit_times # 输出: 该问题当前被浏览的次数
print top_answer
# 输出:
# Answer类对象
print top_answers
# 输出:
# 代表前十的Answer的生成器
print answers
# 输出:
# 代表所有Answer的生成器


Answer:获取答案信息
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Answer 代表了一个答案,处理知乎答案相关操作。创建一个 Answer 对象需传入该答案的 url ,如:

.. code-block:: python

from zhihu import Answer

answer_url = "http://www.zhihu.com/question/24269892/answer/29960616"
answer = Answer(answer_url)

得到 Answer 对象后,可以获取该答案的一些信息:

.. code-block:: python

# -*- coding: utf-8 -*-
from zhihu import Answer

answer_url = "http://www.zhihu.com/question/24269892/answer/29960616"
answer = Answer(answer_url)
# 获取该答案回答的问题
question = answer.get_question()
# 获取该答案的作者
author = answer.get_author()
# 获取该答案获得的赞同数
upvote = answer.get_upvote()
# 获取该答案所属问题被浏览次数
visit_times = answer.get_visit_times()
# 获取所有给该答案点赞的用户信息
voters = answer.get_voters()
# 把答案输出为txt文件
answer.to_txt()
# 把答案输出为markdown文件
answer.to_md()

print question
#
# 一个Question对象
print question.get_title() # 输出:现实可以有多美好?
print author
#
# 一个User对象
print voters
#
# 代表所有该答案点赞的用户的生成器
print author.get_user_id() # 输出:田浩
print upvote # 输出:9320
print visit_times # 输出: 改答案所属问题被浏览次数

User:获取用户信息
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

User 代表一个用户,处理用户相关操作。创建一个 User 对象需传入该用户的 url ,如:

.. code-block:: python

from zhihu import User

user_url = "http://www.zhihu.com/people/jixin"
user = User(user_url)

得到 User 对象后,可以获取该用户的一些信息:

.. code-block:: python

# -*- coding: utf-8 -*-
from zhihu import User

user_url = "http://www.zhihu.com/people/jixin"
user = User(user_url)
# 获取用户ID
user_id = user.get_user_id()
# 获取用户性别
user_gender = user.get_gender()
# 获取该用户的关注者人数
followers_num = user.get_followers_num()
# 获取该用户关注的人数
followees_num =user.get_followees_num()
# 获取该用户提问的个数
asks_num = user.get_asks_num()
# 获取该用户回答的个数
answers_num = user.get_answers_num()
# 获取该用户收藏夹个数
collections_num = user.get_collections_num()
# 获取该用户获得的赞同数
agree_num = user.get_agree_num()
# 获取该用户获得的感谢数
thanks_num = user.get_thanks_num()
# 获取该用户的头像url
head_img_url = user.get_head_img_url()

# 获取该用户关注的人
followees = user.get_followees()
# 获取关注该用户的人
followers = user.get_followers()
# 获取该用户提的问题
asks = user.get_asks()
# 获取该用户回答的问题的答案
answers = user.get_answers()
# 获取该用户的收藏夹
collections = user.get_collections()

print user_id # 黄继新
print followers_num # 614840
print followees_num # 8408
print asks_num # 1323
print answers_num # 786
print collections_num # 44
print agree_num # 46387
print thanks_num # 11477
print head_img_url # https://pic2.zhimg.com/0626f4164009f291b26a79d96c6962c5_l.jpg

print followees
#
# 代表所有该用户关注的人的生成器对象
print followers
#
# 代表所有关注该用户的人的生成器对象
print asks
#
# 代表该用户提的所有问题的生成器对象
print answers
#
# 代表该用户回答的所有问题的答案的生成器对象
print collections
#
# 代表该用户收藏夹的生成器对象

Collection:获取收藏夹信息
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Collection 代表一个收藏夹,处理收藏夹相关操作。创建一个 Collection 对象需传入该收藏夹的 url ,如:

.. code-block:: python

from zhihu import Collection

collection_url = "http://www.zhihu.com/collection/36750683"
collection = Collection(collection_url)

得到 Collection 对象后,可以获取该收藏夹的一些信息:

.. code-block:: python

# -*- coding: utf-8 -*-
from zhihu import Collection

collection_url = "http://www.zhihu.com/collection/36750683"
collection = Collection(collection_url)

# 获取该收藏夹的创建者
creator = collection.get_creator()
# 获取该收藏夹的名字
name = collection.get_name()
# 获取该收藏夹下的前十个答案
top_answers = collection.get_top_i_answers(10)
# 获取该收藏夹下的所有答案
answers = collection.get_all_answers()

print creator
#
# 一个User对象
print creator.get_user_id() # 稷黍
print name # 给你一个不同的视角
print top_answers
#
# 代表前十个答案的生成器对象
print answers
#
# 代表所有答案的生成器对象

Column:获取专栏信息
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Column 代表一个专栏,处理专栏相关操作。创建一个 Column 对象需传入该专栏的 url ,如:

.. code-block:: python

from zhihu import Column

url = "http://zhuanlan.zhihu.com/daily"
column = Column(url)

得到 Column 对象后,可以获取该专栏的一些信息:

.. code-block:: python

# -*- coding: utf-8 -*-
from zhihu import Column

url = "http://zhuanlan.zhihu.com/daily"
column = Column(url)

# 获取该专栏的标题
title = column.get_title()
# 获取该专栏的描述
description = column.get_description()
# 获取该专栏的作者
creator = column.get_creator()
# 获取该专栏的文章数
posts_num = column.get_posts_num()
# 获取该专栏的所有文章
posts = column.get_all_posts()

print title # 输出:知乎日报
print description
# 输出:
# 知乎日报启动画面接受所有摄影师朋友们的投稿,将作品链接
#(如 Flickr、LOFTER 等等),发至邮箱 qidong (at) zhihu.com,
# 并附上您的知乎个人页面地址即可。
#
# 详细投稿要求: http://t.cn/zQyEpN5

print creator
# 输出:
# User类对象
print posts_num # 150
print posts
# 输出:
# Post类对象

Post:获取专栏文章信息
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Post 代表一个专栏文章,处理专栏文章相关操作。创建一个 Post 对象需传入该文章的 url ,如:

.. code-block:: python

from zhihu import Post

url = "http://zhuanlan.zhihu.com/p/20235601"
post = Post(url)

得到 Post 对象后,可以获取该文章的一些信息:

.. code-block:: python

# -*- coding: utf-8 -*-
from zhihu import Post

url = "http://zhuanlan.zhihu.com/p/20770968"
post = Post(url)

# 获取该文章的标题
title = post.get_title()
# 获取该文章的内容
content = post.get_content()
# 获取该文章的作者
author = post.get_author()
# 获取该文章的所属专栏
column = post.get_column()
# 获取该文章所属话题
topics = post.get_topics()

print title # 输出:夜读书|四月十九日
print content
# 输出:
#

各位,晚上好。
...
# ......
print author
# 输出:
for topic in topics:
print topic, # 输出:阅读
print column
# 输出:
# Column类对象

综合实例
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

将 Question , Answer , User , Collection 结合起来使用。实例如下:

.. code-block:: python

# -*- coding: utf-8 -*-
from zhihu import Question
from zhihu import Answer
from zhihu import User
from zhihu import Collection

url = "http://www.zhihu.com/question/24269892"
question = Question(url)
# 得到排名第一的答案
answer = question.get_top_answer()
# 得到排名第一的答案的作者
user = answer.get_author()
# 得到该作者回答过的所有问题的答案
user_answers = user.get_answers()
# 输出该作者回答过的所有问题的标题
for answer in user_answers:
print answer.get_question().get_title()
# 得到该用户的所有收藏夹
user_collections = user.get_collections()
for collection in user_collections:
# 输出每一个收藏夹的名字
print collection.get_name()
# 得到该收藏夹下的前十个回答
top_answers = collection.get_top_i_answers(10)
# 把答案内容转成txt,markdown
for answer in top_answers:
answer.to_txt()
answer.to_md()

以上示例均可以在test.py文件中找到。

虽然是单线程,但速度不算太慢。抓取 `哪些东西买了之后,会让人因生活质量和幸福感提升而感觉相见恨晚? `_ 下前200个回答,91秒;抓取 `有哪些 100 元以下,很少见但高大上的物件? `_ 下前50个回答,48秒;抓取 `现实可以有多美好? `_ 下前200个回答,69秒。生成的文件请见markdown,text文件夹。所有匿名用户的回答放在一个文件里面。

API
-------

zhihu.Question ---- 知乎问题操作类
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

*class* zhihu. **Question** (*url, title = None*)

Question 以 url 为唯一标识,创建一个 Question 对象实例必须传入一个代表知乎问题的 url (如: http://www.zhihu.com/question/26611428),需包含“http://”。如果传入的不是代表问题的 url ,程序会报错。通过调用 Question 类的一系列方法,获得该问题的一些信息。

**Parameters**:
* **url** -- 该问题的链接,字符串
* **title** -- 该问题的标题,字符串,可选

**Returns**: 一个 Question 实例对象

**get_title** ()

得到该问题的标题。

**Returns**: 代表标题的字符串

**get_detail** ()

得到该问题的详细描述。原问题的描述可能带有图片或视频,这里得到的是纯文字。

**Returns**: 代表详细描述的字符串

**get_answers_num** ()

得到该问题的回答个数。

**Returns**: 代表回答个数的 int 型整数

**get_followers_num** ()

得到关注该问题的人数。

**Returns**: 代表人数的 int 型整数

**get_topics** ()

得到该问题所属的话题。

**Returns**: 一个 list ,每一个元素为代表一个话题的字符串

注:以后可能会添加一个 Topic 类,到时候每一个元素为代表一个话题的 Topic 类对象。

**get_all_answers** ()

得到该问题的所有回答。

**Returns**: 包含所有答案的 generator 对象。其中每一个元素为代表一个答案的 Answer 对象

**get_top_i_answers** (n)

得到该问题的前 n 个回答。

**Parameters**: **n** -- int 型整数

**Returns**: 包含前 n 个答案的 generator 对象。其中每一个元素为代表一个答案的 Answer 对象

**get_top_answer** ()

得到目前排名第一的回答。

**Returns**: 代表该答案的 Answer 对象

**get_visit_times** ()

得到该问题被浏览次数。该方法由 `@lufo816 `_ 添加。

**Returns**: 代表浏览次数的 int 型整数

zhihu.User ---- 知乎用户操作类
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

*class* zhihu. **User** (*user_url, user_id = None*)

User 以 url 为唯一标识,创建一个 User 对象实例必须传入一个代表知乎用户的 url (如: http://www.zhihu.com/people/egrcc),需包含“http://”。如果传入的不是代表用户的 url ,程序会报错。通过调用 User 类的一系列方法,获得该用户的一些信息。

**Parameters**:
* **user_url** -- 该用户的链接,字符串
* **user_id** -- 该用户的 ID ,字符串,可选

**Returns**: 一个 User 实例对象

**get_user_id** ()

得到该用户的ID。

**Returns**: 代表 ID 的字符串

**get_gender** ()

得到该用户的性别。

**Returns**: 代表 性别 的字符串(male/female)

**get_followees_num** ()

得到该用户关注的人的个数。

**Returns**: 代表人数的 int 型整数

**get_followers_num** ()

得到关注该用户的人的个数。

**Returns**: 代表人数的 int 型整数

**get_agree_num** ()

得到该用户获得的赞同数。

**Returns**: 代表赞同数的 int 型整数

**get_thanks_num** ()

得到该用户获得的感谢数。

**Returns**: 代表感谢数的 int 型整数

**get_head_img_url** (scale)

获取用户头像url。该方法由 `@liuwons `_ 添加。

**Parameters**: **scale** int 型整数,代表尺寸: 1(25×25), 3(75×75), 4(100×100), 6(150×150), 10(250×250)

**Returns**: 对应尺寸头像的图片链接, 字符串

**get_asks_num** ()

得到该用户提问题的个数。

**Returns**: 代表问题数的 int 型整数

**get_answers_num** ()

得到该用户回答问题的个数。

**Returns**: 代表问题数的 int 型整数

**get_collections_num** ()

得到该用户收藏夹的个数。

**Returns**: 代表收藏夹数的 int 型整数

**get_followees** ()

得到该用户关注的人。

**Returns**: 包含所有该用户关注的人的 generator 对象。其中每一个元素为代表一个用户的 User 对象

**get_followers** ()

得到关注该用户的人。

**Returns**: 包含所有关注该用户的人的 generator 对象。其中每一个元素为代表一个用户的 User 对象

**get_asks** ()

得到该用户提的所有问题。

**Returns**: 包含所有问题的 generator 对象。其中每一个元素为代表一个问题的 Question 对象

**get_answers** ()

得到该用户回答的所有问题的答案。

**Returns**: 包含所有回答的 generator 对象。其中每一个元素为代表一个回答的 Answer 对象

**get_collections** ()

得到该用户的所有收藏夹。

**Returns**: 包含所有收藏夹的 generator 对象。其中每一个元素为代表一个收藏夹的 Collection 对象

zhihu.Answer ---- 知乎回答操作类
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

*class* zhihu. **Answer** (*answer_url, question = None, author = None, upvote = None, content = None*)

Answer 以 url 为唯一标识,创建一个 Answer 对象实例必须传入一个代表知乎回答的 url (如: http://www.zhihu.com/question/19878575/answer/14776495),需包含“http://”。如果传入的不是代表回答的 url ,程序会报错。通过调用 Answer 类的一系列方法,获得该回答的一些信息。一般不自己创建Answer对象。

**Parameters**:
* **answer_url** -- 该答案的链接,字符串
* **question** -- 该答案回答的问题, Question 对象,可选
* **author** -- 该答案的作者, User 对象,可选
* **upvote** -- 该答案获得的赞同数, int 型整数,可选
* **content** -- 该答案的内容, BeautifulSoup 对象,可选

**Returns**: 一个 Answer 实例对象

**get_question** ()

得到该答案回答的问题。

**Returns**: 一个 Question 对象

**get_author** ()

得到该答案的作者 。

**Returns**: 一个 User 对象

**get_upvote** ()

得到该答案获得的赞同数。

**Returns**: 一个 int 型整数

**get_content** ()

得到该答案的内容。

**Returns**: 一个 BeautifulSoup 对象

**get_visit_times** ()

得到该答案所属问题被浏览次数。该方法由 `@lufo816 `_ 添加。

**Returns**: 代表浏览次数的 int 型整数

**get_voters** ()

得到给该答案点赞的用户。该方法由 `@lufo816 `_ 添加。

**Returns**: 包含所有给该答案点赞的用户的 generator 对象。其中每一个元素为代表一个用户的 User 对象

**to_txt** ()

将该答案转成txt文件,并会在当前目录下创建一个text文件夹,所生成的txt文件均保存在该文件夹。

**to_md** ()

将该答案转成markdown文件,并会在当前目录下创建一个markdown文件夹,所生成的markdown文件均保存在该文件夹。

zhihu.Collection ---- 知乎收藏夹操作类
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

*class* zhihu. **Collection** (*url, name = None, creator = None*)

Collection 以 url 为唯一标识,创建一个 Collection 对象实例必须传入一个代表知乎收藏夹的 url (如: http://www.zhihu.com/collection/27053469),需包含“http://”。如果传入的不是代表收藏夹的 url ,程序会报错。通过调用 Collection 类的一系列方法,获得该收藏夹的一些信息。

**Parameters**:
* **url** -- 该收藏夹的链接,字符串
* **name** -- 该收藏夹的名字,字符串,可选
* **creator** -- 该收藏夹的创建者,User 对象,可选

**Returns**: 一个 Collection 实例对象

**get_name** ()

得到该收藏夹的名字。

**Returns**: 代表名字的字符串

**get_creator** ()

得到该收藏夹的创建者。

**Returns**:代表创建者 User 对象

**get_all_answers** ()

得到该收藏夹收藏的所有回答。

**Returns**: 包含该收藏夹下所有回答的 generator 对象。其中每一个元素为代表一个回答的 Answer 对象

**get_top_i_answers** (n)

得到该收藏夹收藏的前 n 个回答。

**Parameters**: **n** -- int 型整数

**Returns**: 包含该收藏夹下前 n 个回答的 generator 对象。其中每一个元素为代表一个回答的 Answer 对象

zhihu.Column ---- 知乎专栏操作类
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

*class* zhihu. **Column** (*Column_url*)

Column 以 url 为唯一标识,创建一个 Column 对象实例必须传入一个代表知乎专栏的 url (如:http://zhuanlan.zhihu.com/daily),需包含“http(s)://”。如果传入的不是代表专栏的 url ,程序会报错。通过调用 Column 类的一系列方法,获得该专栏的一些信息。该类由 `@johnnyluck `_ 添加。

**Parameters**:
* **column_url** -- 该专栏的链接,字符串

**Returns**: 一个 Column 实例对象

**get_title** ()

得到该专栏的题目。

**Returns**: 一个代表题目的字符串

**get_creator** ()

得到该专栏的创建者。

**Returns**: 一个 User 对象

**get_description** ()

得到该专栏的描述。

**Returns**: 一个专栏描述的字符串

**get_followers_num** ()

得到该专栏的关注人数。

**Returns**: 一个 int 型的整数

**get_posts_num** ()

得到该专栏的所有文章数。

**Returns**: 一个 int 型的整数

**get_content** ()

得到该答案的内容。

**Returns**: 一个字符串

**get_posts** ()

得到该专栏的所有文章。

**Returns**:包含所有文章的 generator 对象。其中每一个元素为代表一个文章 Post 对象

zhihu.Post ---- 知乎专栏文章操作类
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

*class* zhihu. **Post** (*Post_url*)

Post 以 url 为唯一标识,创建一个 Post 对象实例必须传入一个代表知乎文章的 url (如:http://zhuanlan.zhihu.com/p/20235601),需包含“http(s)://”。如果传入的不是代表文章的 url ,程序会报错。通过调用 Post 类的一系列方法,获得该文章的一些信息。该类由 `@johnnyluck `_ 添加。

**Parameters**:
* **post_url** -- 该文章的链接,字符串

**Returns**: 一个 Post 实例对象

**get_title** ()

得到该文章的题目。

**Returns**: 一个代表题目的字符串

**get_author** ()

得到该文章的作者。

**Returns**: 一个 User 对象

**get_content** ()

得到该文章的内容。

**Returns**: 一个文章描述的字符串

**get_topics** ()

得到该文章的话题。

**Returns**: 一个列表

**get_column** ()

得到该文章的所属专栏。

**Returns**:一个 Column 的实例对象