【爬虫实战】2024知乎热榜可视化爬取




import requests
from bs4 import BeautifulSoup
import pandas as pd
import matplotlib.pyplot as plt
 
# 设置请求头,模拟浏览器访问
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3',
    'Accept-Encoding': 'gzip, deflate',
    'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
    'Upgrade-Insecure-Requests': '1'
}
 
# 请求网页
def get_html(url):
    try:
        response = requests.get(url, headers=headers)
        if response.status_code == 200:
            return response.text
        return None
    except requests.RequestException:
        return None
 
# 解析网页,提取热榜数据
def parse_html(html):
    soup = BeautifulSoup(html, 'lxml')
    ranks = soup.find_all(class_='HotItemList-itemTitle')
    rank_list = []
    for rank in ranks:
        rank_list.append(rank.text)
    return rank_list
 
# 保存数据
def save_data(data, filename):
    with open(filename, 'w', encoding='utf-8') as f:
        for item in data:
            f.write(item + '\n')
 
# 读取数据
def read_data(filename):
    with open(filename, 'r', encoding='utf-8') as f:
        data = f.readlines()
    return [item.strip() for item in data]
 
# 可视化热榜数据
def visualize(data):
    plt.figure(figsize=(20, 10))
    plt.title('2024年知乎热榜', fontsize=20)
    plt.xlabel('排名', fontsize=16)
    plt.ylabel('话题', fontsize=16)
    plt.tick_params(labelsize=16)
    plt.barh(range(len(data)), list(data.values()), align='center')
    plt.yticks(list(data.keys()), list(data.values()))
    plt.show()
 
# 主函数
def main():
    url = 'https://www.zhihu.com/hot'
    html = get_html(url)
    rank_list = parse_html(html)
    # save_data(rank_list, 'zhihu_hot_topics.txt')
    # rank_list = read_data('zhihu_hot_topics.txt')
    visualize(rank_list)
 
if __name__ == '__main__':
    main()

这段代码实现了知乎热榜的爬取和可视化。首先,我们设置了请求头,以模拟浏览器访问知乎网站。然后,我们定义了get_html函数来发送请求并获取网页内容。parse_html函数用于解析网页,提取热榜话题并返回列表。最后,我们定义了save_dataread_data函数来保存和读取数据,以及visualize函数来绘制热榜的水平条形图,并在主函数main中调用这些函数。

none
最后修改于:2024年08月16日 10:37

评论已关闭

推荐阅读

DDPG 模型解析,附Pytorch完整代码
2024年11月24日
DQN 模型解析,附Pytorch完整代码
2024年11月24日
AIGC实战——Transformer模型
2024年12月01日
Socket TCP 和 UDP 编程基础(Python)
2024年11月30日
python , tcp , udp
如何使用 ChatGPT 进行学术润色?你需要这些指令
2024年12月01日
AI
最新 Python 调用 OpenAi 详细教程实现问答、图像合成、图像理解、语音合成、语音识别(详细教程)
2024年11月24日
ChatGPT 和 DALL·E 2 配合生成故事绘本
2024年12月01日
omegaconf,一个超强的 Python 库!
2024年11月24日
【视觉AIGC识别】误差特征、人脸伪造检测、其他类型假图检测
2024年12月01日
[超级详细]如何在深度学习训练模型过程中使用 GPU 加速
2024年11月29日
Python 物理引擎pymunk最完整教程
2024年11月27日
MediaPipe 人体姿态与手指关键点检测教程
2024年11月27日
深入了解 Taipy:Python 打造 Web 应用的全面教程
2024年11月26日
基于Transformer的时间序列预测模型
2024年11月25日
Python在金融大数据分析中的AI应用(股价分析、量化交易)实战
2024年11月25日
AIGC Gradio系列学习教程之Components
2024年12月01日
Python3 `asyncio` — 异步 I/O,事件循环和并发工具
2024年11月30日
llama-factory SFT系列教程:大模型在自定义数据集 LoRA 训练与部署
2024年12月01日
Python 多线程和多进程用法
2024年11月24日
Python socket详解,全网最全教程
2024年11月27日