Verwenden Sie PHP, um ein Programm zum Erfassen von Zhihu-Fragen und -Antworten zu implementieren

Zhihu ist eine sehr beliebte Community zum Wissensaustausch. Viele Benutzer haben eine große Anzahl hochwertiger Fragen und Antworten beigesteuert. Für Studierende und Berufstätige sind diese Inhalte sehr hilfreich, um Probleme zu lösen und ihren Horizont zu erweitern. Wenn Sie diese Inhalte organisieren und nutzen möchten, müssen Sie Scraper verwenden, um relevante Daten zu erhalten. In diesem Artikel wird erläutert, wie Sie mit PHP ein Programm zum Crawlen von Zhihu-Fragen und -Antworten schreiben.

1. Einführung
   Zhihu ist eine Plattform mit sehr umfangreichen Inhalten, einschließlich, aber nicht beschränkt auf Fragen, Antworten, Kolumnen, Themen, Benutzer usw. Wir können den Wert dieser Inhalte weiter untersuchen, indem wir Daten auf Zhihu crawlen. Hier stellen wir hauptsächlich vor, wie man PHP zum Crawlen von Zhihu-Fragen und -Antworten verwendet.
2. Problemcrawlen
   Zunächst müssen wir klären, was das Ziel des Crawlens ist. Für Fragen zu Zhihu benötigen wir folgende Informationen:

Titel der Frage
Beschreibung der Frage
Anzahl der Follower, Aufrufe und Antworten auf die Frage
Beschriftung der Frage
Ähnliche Fragen
Es gibt eine sehr offensichtliche Frage zu Zhihu Das Besondere daran ist, dass jede Frage eine eindeutige URL hat. So können wir Informationen über das Problem erhalten, indem wir eine URL erstellen und eine HTTP-Anfrage senden.

Das Folgende ist eine PHP-Code-Demonstration:

<?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">关注者</span>/', $html, $match);
$data['followers'] = $match[1];

preg_match('/<div class="NumberBoard-value">(.*?)</div><span class="NumberBoard-label">浏览</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);

Hier werden reguläre PHP-Ausdrücke verwendet, um die erforderlichen Informationen im HTML-Text abzugleichen. Obwohl diese Methode von der Struktur der HTML-Seite abhängt, kann sie in den meisten Fällen normalerweise die erforderlichen Daten erfassen. Es ist ersichtlich, dass wir durch einfachen Code verschiedene Informationen zu diesem Problem erhalten können.

3. Antwort-Crawling
   Für Antworten auf Zhihu benötigen wir folgende Informationen:

Der Autor der Antwort
Der Inhalt der Antwort
Die Anzahl der Likes und Kommentare für die Antwort
Für jede Antwort können wir auch konstruieren eine URL und senden Sie eine HTTP-Anfrage, um die zugehörigen Informationen zu erhalten.

Hier ist eine Demonstration des PHP-Codes:

<?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);

Ähnlich haben wir die regulären Ausdrücke von PHP verwendet, um die erforderlichen Informationen im HTML-Text abzugleichen. Es ist erwähnenswert, dass zum Abrufen des Inhalts der Antwort ztext anstelle der Klasse AnswerItem-content verwendet werden muss. Dies liegt daran, dass Zhihu nach dem Update die relevanten CSS-Klassennamen geändert hat.

4. Zusammenfassung
   In diesem Artikel wird erläutert, wie Sie mit PHP ein Programm zum Crawlen von Zhihu-Fragen und -Antworten schreiben. Wir können je nach Bedarf unterschiedliche Informationen einholen und eine umfassende Analyse und Nutzung der Inhalte auf Zhihu durchführen. Für PHP-Entwickler ist dies eine sehr praktische Fähigkeit, die bei der Datenanalyse, Suchmaschinenoptimierung und anderen Aspekten der Arbeit eingesetzt werden kann.

Das obige ist der detaillierte Inhalt vonVerwenden Sie PHP, um ein Programm zum Erfassen von Zhihu-Fragen und -Antworten zu implementieren. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!