多线程知乎用户爬虫，基于python3.zip

# ZhihuSpider User spider for www.zhihu.com ## 1.Install python3 and packages Make sure you have installed python3. Using pip to install dependencies. ``` bash pip install Image requests beautifulsoup4 html5lib redis PyMySQL ``` ## 2.Database Config Install `mysql`,create your database. Import `init.sql` to create your table. ## 3.Install redis ``` bash # (ubuntu) apt-get install redis # or (centos) yum install redis # or (macos) brew install redis ``` ## 4.Config your application Complete config.ini ## 5.Get start ``` bash python get_user.py # or command python3 python3 get_user.py ``` ## 中文 在我的博客里有代码的详细解读：[我用python爬了知乎一百万用户的数据](http://www.jwlchina.cn/2016/11/04/%E6%88%91%E7%94%A8python%E7%88%AC%E4%BA%86%E7%9F%A5%E4%B9%8E%E4%B8%80%E7%99%BE%E4%B8%87%E7%94%A8%E6%88%B7%E7%9A%84%E6%95%B0%E6%8D%AE/) 数据统计分析：[百万知乎用户数据分析](http://zhihu.jwlchina.cn/) # 这是一个多线程抓取知乎用户的程序 # Requirements 需要用到的包： `beautifulsoup4` `html5lib` `image` `requests` `redis` `PyMySQL` pip安装所有依赖包： ``` bash pip install Image requests beautifulsoup4 html5lib redis PyMySQL ``` 运行环境需要支持中文 测试运行环境python3.5，不保证其他运行环境能完美运行 1.**需要安装mysql和redis** 2.**配置`config.ini`文件，设置好mysql和redis，并且填写你的知乎帐号（master分支新版爬虫不需要登陆，但是可能会有时效问题，可以切换至new-ui分支使用）** 可以通过配置`config.ini`文件下的`[sys]` `sleep_time` 控制爬虫速度（尽量使用推荐值，过快容易被知乎封禁），`thread_num`配置线程数目 3.**向数据库导入`init.sql`** # Run 开始抓取数据:`python get_user.py` 查看抓取数量:`python check_redis.py` # 效果   # Docker 嫌麻烦的可以参考一下我用docker简单的搭建一个基础环境： mysql和redis都是官方镜像 ```bash docker run --name mysql -itd mysql:latest docker run --name redis -itd redis:latest ``` 再利用docker-compose运行python镜像，我的python的docker-compose.yml： ``` bash python: container_name: python build: . ports: - "84:80" external_links: - memcache:memcache - mysql:mysql - redis:redis volumes: - /docker_containers/python/www:/var/www/html tty: true stdin_open: true extra_hosts: - "python:192.168.102.140" environment: PYTHONIOENCODING: utf-8 ``` 我的Dockerfile： ``` bash From kong36088/zhihu-spider:latest ``` # 捐赠 您的支持是对我的最大鼓励！ 谢谢你请我吃糖