知乎数据采集攻略

知乎数据采集攻略如下（绿框是页面名称，橙色字体是采集结果表中的网址字段或浏览器地址栏复制的网址）：

1、采集“知乎_关键词搜索结果列表_内容”

方法：

• 用浏览器访问知乎搜索页面, 输入搜索关键词, 点击"搜索", 点击子页面"内容"
• 把浏览器地址栏的网址复制, 在数据DIY知乎_关键词搜索结果列表_内容添加进去, 点击"获取数据"
  

从“知乎_关键词搜索结果列表_内容”展开采集更多页面信息

方法：从“知乎_关键词搜索结果列表_内容”的数据表中，把“详情链接”这列的网址拷贝出来，然后点击“知乎_独立问题所有回复采集”的“输入多条网址”按钮，粘贴网址，就可以用后者实现批量数据采集。其它页面类似。
注意：用户主页链接需要自己在excel中拼上前面的域名“https://www.zhihu.com”才能作为线索添加。


2、采集“知乎_关键词搜索结果列表_话题”

方法：

• 用浏览器访问知乎搜索页面, 输入搜索关键词, 点击"搜索", 点击子页面"话题"
• 把浏览器地址栏的网址复制, 在数据DIY知乎_关键词搜索结果列表_话题添加进去, 点击"获取数据"
  

3、从“知乎_独立话题首页”展开采集更多页面信息

方法：从“知乎_独立话题首页”的数据表中，把“话题动态链接”这列的网址拷贝出来，然后点击“知乎_独立话题动态内容采集”的“输入多条网址”按钮，粘贴网址，就可以用后者实现批量数据采集。其它页面类似。


4、从“知乎_独立话题动态内容采集”展开采集更多页面信息

方法：从“知乎_独立话题动态内容采集”的数据表中，把“精华链接”这列的网址拷贝出来，然后点击“知乎_独立话题精华内容采集”的“输入多条网址”按钮，粘贴网址，就可以用后者实现批量数据采集。其它页面类似。
注意：用户主页链接需要自己在excel中拼上前面的域名“https://www.zhihu.com”才能作为线索添加。


5、从“知乎_独立话题精华内容采集”展开采集更多页面信息

方法：从“知乎_独立话题精华内容采集”的数据表中，把“精华链接”这列的网址拷贝出来，然后点击“知乎_独立话题动态内容采集”的“输入多条网址”按钮，粘贴网址，就可以用后者实现批量数据采集。其它页面类似。
注意：用户主页链接需要自己在excel中拼上前面的域名“https://www.zhihu.com”才能作为线索添加。


6、从“知乎_独立话题等待回答采集”展开采集更多页面信息

方法：从“知乎_独立话题等待回答采集”的数据表中，把“精华链接”这列的网址拷贝出来，然后点击“知乎_独立话题动态内容采集”的“输入多条网址”按钮，粘贴网址，就可以用后者实现批量数据采集。其它页面类似。


7、从“知乎_用户详情资料采集”展开采集更多页面信息

方法：从“知乎_用户详情资料采集”的数据表中，把“他关注的人的链接”这列的网址拷贝出来，然后点击“知乎_他关注的人列表采集”的“输入多条网址”按钮，粘贴网址，就可以用后者实现批量数据采集。其它页面类似。


【附注】
在数据DIY上可以找到很多网站下不同页面的采集入口，只要与样例网址是相同级别的网页，就可以用该页面的采集入口采集数据。因此，如果从数据DIY某个页面采集到网址，那么就可以找到该网址对应页面的采集入口，把批量网址添加进去，这也是数据DIY的出发点，让用户可以组合任意页面进行批量采集。

可是很多回答被折叠了，爬取下来的数据全部不是原始文本。而是一大串最后是阅读全文，这个该如何解决呢？

Cracking666 发表于 2023-4-11 18:29
可是很多回答被折叠了，爬取下来的数据全部不是原始文本。而是一大串最后是阅读全文，这个该如何解决呢？ ...

采集到回答列表以后，导出结果文件，在excel中过滤出来含有阅读全文字样的所有行。他们都含有一列，存了这个回答的网址。把所有行的这一列拷贝出来，批量导入这个快捷采集工具：https://www.gooseeker.com/res/rule_664.html 。再采集一遍全文

Fuller 发表于 2023-4-11 19:51
采集到回答列表以后，导出结果文件，在excel中过滤出来含有阅读全文字样的所有行。他们都含有一列，存了 ...

请问知乎上回答的评论也有部分被折叠了，但是“回答评论内容采集”只能采集到没有折叠的评论，请问这个问题有解决办法嘛？

zhangshiyu0714 发表于 2023-7-9 22:31
请问知乎上回答的评论也有部分被折叠了，但是“回答评论内容采集”只能采集到没有折叠的评论，请问这个问 ...

要自己定义采集规则，用点击动作点开折叠的内容。采集的时候，有可能会有点漏的时候，而且会采集到大量重复内容，要在excel中把重复的过滤掉。

因为复杂的点击动作不是很可靠，所以，没有快捷采集工具直接用，只能自己定义采集规则，或者委托我们定制规则