当前位置：首页>python>用Python爬了下知乎的“沙雕”问题,我们得到了一个15强排行榜

用Python爬了下知乎的“沙雕”问题,我们得到了一个15强排行榜

2026-04-19 07:23:06

这两天偶然上网的时候，被知乎上一个名为“玉皇大帝住在平流层还是对流层”的问题吸引，本以为只是小打小闹，殊不知这个问题却在知乎上引发了强烈共鸣，浏览次数500W+，7000+关注：

于是乎就激发了去探索知乎上“沙雕”问题的想法，也参照了@shenzhongqiang强哥之前的知乎神回复文章爬了下知乎神回复，通过Python爬取这些问题的内容，浏览次数，关注人数，总结一份权威（搞笑）的“沙雕”问题排行榜。

数据来源

知乎非常“贴心”地专门有一个问题可以满足我们的需求，出人意料的是这个问题居然有243个回答，并且陶飞同学获得了3W+的赞同

我们从中爬取了所有回答中出现的问题链接，共用400多个问题，其中陶飞就提供了200+，在此向陶飞同学表示感谢，帮助我们构建了“沙雕数据库”，这部分代码如下：

import reimport seleniumfrom selenium import webdriverimport requestsfrom bs4 import BeautifulSoupimport pandas as pdimport timedriver = webdriver.Chrome()driver.maximize_window()url = 'https://www.zhihu.com/question/37453271'js='window.open("'+url+'")'driver.execute_script(js)driver.close()driver.switch_to_window(driver.window_handles[0])for i in range(100):     js="var q=document.documentElement.scrollTop=10000000"       driver.execute_script(js)all_html = [k.get_property('innerHTML') for k in driver.find_elements_by_class_name('AnswerItem')]all_text = ''.join(all_html)#all_text = all_text.replace('\u002F','/')all_text = all_text.replace('questions','question')pat = 'question/\d+'questions = list(set([k for k in re.findall(pat,all_text)]))

获得到了问题的对应的编号后，就可以去各自的页面获取各个问题对应的的标题、浏览数等信息，如下图所示：

这部分代码如下：

header = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win32; x32; rv:54.0) Gecko/20100101 Firefox/54.0','Connection': 'keep-alive'}cookies ='v=3; iuuid=1A6E888B4A4B29B16FBA1299108DBE9CDCB327A9713C232B36E4DB4FF222CF03; webp=true; ci=1%2C%E5%8C%97%E4%BA%AC; __guid=26581345.3954606544145667000.1530879049181.8303; _lxsdk_cuid=1646f808301c8-0a4e19f5421593-5d4e211f-100200-1646f808302c8; _lxsdk=1A6E888B4A4B29B16FBA1299108DBE9CDCB327A9713C232B36E4DB4FF222CF03; monitor_count=1; _lxsdk_s=16472ee89ec-de2-f91-ed0%7C%7C5; __mta=189118996.1530879050545.1530936763555.1530937843742.18'cookie = {}for line in cookies.split(';'):    name, value = cookies.strip().split('=', 1)    cookie[name] = valuequestions_df = pd.DataFrame(columns = ['title','visit','follower','answer','is_open'])for i in range(len(questions)):    try:        url = 'https://www.zhihu.com/'+questions[i]        html = requests.get(url,cookies=cookie, headers=header).content        bsObj = BeautifulSoup(html.decode('utf-8'),"html.parser")        text = str(bsObj)        title = bsObj.find('h1',attrs={'class':'QuestionHeader-title'}).text        visit = int(re.findall('"visitCount":\d+',text)[0].replace('"visitCount":',''))        follower = int(re.findall('"followerCount":\d+',text)[0].replace('"followerCount":',''))        answer = int(re.findall('"answerCount":\d+',text)[0].replace('"answerCount":',''))        is_open = int(len(re.findall('问题已关闭',text))==0)        questions_df = questions_df.append({'title':title,'visit':visit,                                            'follower':follower,'answer':answer,                                            'is_open':is_open},ignore_index=True)        time.sleep(2)        print(i)    except:        print('错误'+str(i))