From f60b20353aa323ef93e64a8098db6c74899182aa Mon Sep 17 00:00:00 2001 From: ZouJiu1 <34758215+ZouJiu1@users.noreply.github.com> Date: Mon, 3 Jul 2023 19:35:09 +0800 Subject: [PATCH] Update README.md --- README.md | 64 +++++++++++++++++++++++++++---------------------------- 1 file changed, 32 insertions(+), 32 deletions(-) diff --git a/README.md b/README.md index 566ac8b..9b20826 100644 --- a/README.md +++ b/README.md @@ -2,20 +2,20 @@ 考虑到将写的内容爬取下来,保存起来的避免误删,算是个备份的,而且方便查找,阅读起来也更方便,使用起来也好很多
## 亮点 -1、保存**回答**到**pdf**、**markdown**,并保存相应的图片、codes以及website,排版基本按照网页,**支持保存数学公式到markdown**,回答会保存提问和自己的回答 +1、保存**回答**到**pdf**、**markdown**,并保存相应的图片、codes以及website,排版基本按照网页,**支持保存数学公式到markdown**,回答会保存提问和自己的回答
-2、保存**article**到**pdf**、**markdown**,并保存相应的图片、codes以及website,排版基本按照网页,**支持保存数学公式到markdown** +2、保存**article**到**pdf**、**markdown**,并保存相应的图片、codes以及website,排版基本按照网页,**支持保存数学公式到markdown**
-3、保存**想法**到text并保存相应的图片,最后对所有text进行汇总到一个档案 +3、保存**想法**到text并保存相应的图片,最后对所有text进行汇总到一个档案
### 爬取到的想法展示 -按照发布时间分目录存放,保存了图片以及文本文件 -点击即可进入think目录查看的 -2023-01-21 13:01 - +按照发布时间分目录存放,保存了图片以及文本文件
+点击即可进入think目录查看的
+2023-01-21 13:01
+
### 爬取到的article展示 -点击即可进入article目录查看的 -每篇article都附带了修改时间和IP属地 +点击即可进入article目录查看的
+每篇article都附带了修改时间和IP属地
保存到Markdown格式的数学公式、codes和图片
@@ -40,62 +40,62 @@ ## 环境以及安装 **win10** **python** -1、点击下面这个网页,安装miniconda也就是安装python,下载好以后安装即可,在安装时需要加入到系统环境变量,勾选下图第二个框即可。 [https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-py310_23.3.1-0-Windows-x86_64.exe](https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-py310_23.3.1-0-Windows-x86_64.exe) - -2、接着需要修改python安装的路径,将msedgedriver\\.condarc这个档案放到根目录`C:\Users\username`即可,另外再打开一个cmd或者PowerShell -运行`conda clean -i`输入`Y`即可,此时Python已经可以使用了 - -3、安装Python相关的调用库,另外再打开一个cmd或者PowerShell,运行 -cd C:\Users\usrname\zhihu -pip install -r .\requirement.txt +1、点击下面这个网页,安装miniconda也就是安装python,下载好以后安装即可,在安装时需要加入到系统环境变量,勾选下图第二个框即可。
[https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-py310_23.3.1-0-Windows-x86_64.exe](https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-py310_23.3.1-0-Windows-x86_64.exe)
+
+2、接着需要修改python安装的路径,将msedgedriver\\.condarc这个档案放到根目录`C:\Users\username`即可,另外再打开一个cmd或者PowerShell
+运行`conda clean -i`输入`Y`即可,此时Python已经可以使用了
+
+3、安装Python相关的调用库,另外再打开一个cmd或者PowerShell,运行
+cd C:\Users\usrname\zhihu
+pip install -r .\requirement.txt

## 使用 ### 1、登录 -运行以下内容,这一步是**手动**操作,需要人工输入账号和密码,然后点击登录就行,登录以后会自动保存好cookie,以后爬取时就不用重复登录了,保存的cookie在这个目录的**cookie**,产生的档案是**cookie_zhihu.pkl** +运行以下内容,这一步是**手动**操作,需要人工输入账号和密码,然后点击登录就行,登录以后会自动保存好cookie,以后爬取时就不用重复登录了,保存的cookie在这个目录的**cookie**,产生的档案是**cookie_zhihu.pkl**

python.exe crawler.py

运行以后会弹出一个浏览器,自动打开知乎页面以后就可以开始登录,下图所示就是登录页面,两类登录方式都可以,只要能登录就行,点击登录以后,不要再操作页面,键盘或鼠标都不可以,登录时间默认给了130s时间,130秒以后会自动退出,然后查看目录cookie是否保存好cookie_zhihu.pkl,保存好就可以开始爬取了。
- -### 2、每项单独爬取 -爬取一旦开始就自动运行了,爬取窗口一般不能最小化,可以做其他事情的 +
+### 2、每项单独爬取
+爬取一旦开始就自动运行了,爬取窗口一般不能最小化,可以做其他事情的
**爬取知乎想法** - -默认的爬取每篇想法的睡眠时间是 **6s*图片的数量** 以上 +
+默认的爬取每篇想法的睡眠时间是 **6s*图片的数量** 以上
` python.exe crawler.py --think ` - +
**爬取知乎回答** 默认的爬取每篇回答的睡眠时间是**16s**以上,这边实际爬取耗时平均是每篇 **30s**,每个图片需要6s ` python.exe crawler.py --answer ` - +
**爬取知乎的article** 默认的爬取每篇article的睡眠时间是**16s**以上,这边实际爬取130多篇,耗时平均是每篇 **33.096s**,每个图片需要6s ` python.exe crawler.py --article ` - +
### 3、三项一起爬取的 ` python.exe crawler.py --think --article --answer ` - +
### 又发布了一篇,只爬取写的这篇 第一次可以全部爬取,等所有article或者回答或者想法都已经爬取好以后,此时若是又写了一篇或者几篇,而且想爬取到本地,可以将article/article.txt这个档案重命名到article/article_2023_06_20.txt,或者重命名answer.txt,然后将写好的article或者回答的网址和标题按照之前档案的格式再create一个article.txt/answer.txt档案,运行爬取程序就可以了的,想法会跳过已经爬取好的时间,所以可以按照上面的方式运行,此时只会爬取article.txt/answer.txt的网址
若是过了很长时间,发布了很多篇,此时一篇一篇加入不太方便,可以直接将article/article.txt这个档案重命名到article/article_2023_06_20.txt,或者重命名answer.txt,然后运行爬取程序即可,上面提到了已经爬取过的不会重复爬取,所以实际只会爬取最近写好的article或者回答,想法则会直接跳过已经爬取的内容。 ### 目录 -think:该目录存放爬取到的想法内容 -article:该目录存放article的website以及爬取到的内容 -answer:该目录存放回答的website以及爬取到的内容 +think:该目录存放爬取到的想法内容
+article:该目录存放article的website以及爬取到的内容
+answer:该目录存放回答的website以及爬取到的内容
### 爬取注意事项 -1、需要较好的网速,本机网速测验是下载100Mbps,上传60Mbps,低点也可以的,不是太慢太卡就行[https://www.speedtest.cn/](https://www.speedtest.cn/) -2、爬取时设置了睡眠时间, 避免给知乎服务器带来太大压力,可以日间调试好,然后深夜运行爬取人少, 给其他小伙伴更好的用户体验, 避免知乎顺着网线过来找人,默认**6**s +1、需要较好的网速,本机网速测验是下载100Mbps,上传60Mbps,低点也可以的,不是太慢太卡就行[https://www.speedtest.cn/](https://www.speedtest.cn/)
+2、爬取时设置了睡眠时间, 避免给知乎服务器带来太大压力,可以日间调试好,然后深夜运行爬取人少, 给其他小伙伴更好的用户体验, 避免知乎顺着网线过来找人,默认**6**s
### blogs [https://www.aliyundrive.com/s/NikyVRJq8JV 阿里云分享的](https://www.aliyundrive.com/s/NikyVRJq8JV) `提取 0h3l`