知乎作為一個極受歡迎的知識分享社區(qū)，其上眾多用戶貢獻了大量高質(zhì)量的問題和回答，對于學(xué)習(xí)和工作的人們來說，這些內(nèi)容對于解決問題和拓展視野非常有幫助。如果想要整理和利用這些內(nèi)容，就需要使用抓取程序獲取相關(guān)數(shù)據(jù)。本文將介紹使用 PHP 編寫抓取知乎問題及回答的程序。
簡介
知乎是一個內(nèi)容非常豐富的平臺，其上的內(nèi)容包括但并不限于問題、回答、專欄、話題、用戶等。我們可以通過爬取知乎上的數(shù)據(jù)進一步挖掘這些內(nèi)容的價值。這里主要介紹如何使用 PHP 抓取知乎問題和回答。
問題抓取
首先，我們需要明確抓取的目標是什么。對于知乎上的問題，我們需要以下信息：
問題標題
問題描述
該問題的關(guān)注者數(shù)、瀏覽數(shù)、回答數(shù)
問題的標簽
相關(guān)問題
知乎上的問題有一個非常明顯的特點，那就是每個問題都有一個獨一無二的 URL。所以我們可以通過構(gòu)造 URL 并發(fā)送 HTTP 請求來獲取該問題的相關(guān)信息。
以下是 PHP 代碼演示：
<?php
$url = 'https://www.zhihu.com/question/36189228';
$html = file_get_contents($url);
$data = array();
preg_match('/<title>(.*?)</title>/', $html, $match);
$data['title'] = $match[1];
preg_match('/<div class="QuestionHeader-detail">(.*?)</div>/', $html, $match);
$data['description'] = $match[1];
preg_match('/<div class="NumberBoard-value">(.*?)</div><span class="NumberBoard-label">關(guān)注者</span>/', $html, $match);
$data['followers'] = $match[1];
preg_match('/<div class="NumberBoard-value">(.*?)</div><span class="NumberBoard-label">瀏覽</span>/', $html, $match);
$data['views'] = $match[1];
preg_match('/<div class="NumberBoard-value">(.*?)</div><div class="NumberBoard-label">回答</div>/', $html, $match);
$data['answers'] = $match[1];
preg_match_all('/<a href="/topic/(.*?)">(.*?)</a>/', $html, $matches);
$data['tags'] = implode(',', $matches[2]);
preg_match_all('/<a class="RelatedQuestionItem-title" href="(.*?)" target="_blank">(.*?)</a>/', $html, $matches);
$data['related_questions'] = array_combine($matches[1], $matches[2]);
echo json_encode($data, JSON_UNESCAPED_UNICODE);這里使用了 PHP 的正則表達式來匹配 HTML 文本中的所需信息。這種方式雖然依賴于 HTML 頁面結(jié)構(gòu)，但在大多數(shù)情況下都能夠正常抓取所需數(shù)據(jù)?？梢姡ㄟ^簡單的代碼，我們就可以獲取到該問題的各種信息。
回答抓取
對于知乎上的回答，我們需要以下信息：
回答的作者
回答的內(nèi)容
該回答的贊數(shù)、評論數(shù)
對于每個回答，我們同樣可以通過構(gòu)造 URL 并發(fā)送 HTTP 請求來獲取其相關(guān)信息。
以下是 PHP 代碼演示：
<?php
$url = 'https://www.zhihu.com/question/36189228/answer/243147352';
$html = file_get_contents($url);
$data = array();
preg_match('/<meta itemprop="name" content="(.*?)">/', $html, $match);
$data['author'] = $match[1];
preg_match('/<div class="RichText ztext">(.*?)</div>/', $html, $match);
$data['content'] = $match[1];
preg_match('/<button class="Button VoteButton VoteButton--up" aria-pressed="false" tabindex="0" aria-label="(.*?)">/', $html, $match);
$data['upvotes'] = $match[1];
preg_match('/<button class="Button CommentButton" tabindex="0" aria-label="(.*?)">/', $html, $match);
$data['comments'] = $match[1];
echo json_encode($data, JSON_UNESCAPED_UNICODE);同樣地，我們使用了 PHP 的正則表達式來匹配 HTML 文本中的所需信息。值得注意的是，獲取回答的內(nèi)容需要使用 ztext 而不是 AnswerItem-content 類。這是因為知乎在更新后改變了相關(guān) CSS 類名。
總結(jié)
本文介紹了如何使用 PHP 編寫抓取知乎問題和回答的程序。我們可以根據(jù)需要獲取不同的信息，對于知乎上的內(nèi)容進行綜合分析和利用。對于 PHP 開發(fā)者來說，這是一個非常實用的技能，可以用于數(shù)據(jù)分析、搜索引擎優(yōu)化等多方面的工作。
