From f60b20353aa323ef93e64a8098db6c74899182aa Mon Sep 17 00:00:00 2001
From: ZouJiu1 <34758215+ZouJiu1@users.noreply.github.com>
Date: Mon, 3 Jul 2023 19:35:09 +0800
Subject: [PATCH] Update README.md
---
README.md | 64 +++++++++++++++++++++++++++----------------------------
1 file changed, 32 insertions(+), 32 deletions(-)
diff --git a/README.md b/README.md
index 566ac8b..9b20826 100644
--- a/README.md
+++ b/README.md
@@ -2,20 +2,20 @@
考虑到将写的内容爬取下来，保存起来的避免误删，算是个备份的，而且方便查找，阅读起来也更方便，使用起来也好很多
## 亮点
-1、保存**回答**到**pdf**、**markdown**，并保存相应的图片、codes以及website，排版基本按照网页，**支持保存数学公式到markdown**，回答会保存提问和自己的回答
+1、保存**回答**到**pdf**、**markdown**，并保存相应的图片、codes以及website，排版基本按照网页，**支持保存数学公式到markdown**，回答会保存提问和自己的回答
-2、保存**article**到**pdf**、**markdown**，并保存相应的图片、codes以及website，排版基本按照网页，**支持保存数学公式到markdown**
+2、保存**article**到**pdf**、**markdown**，并保存相应的图片、codes以及website，排版基本按照网页，**支持保存数学公式到markdown**
-3、保存**想法**到text并保存相应的图片，最后对所有text进行汇总到一个档案
+3、保存**想法**到text并保存相应的图片，最后对所有text进行汇总到一个档案
### 爬取到的想法展示
-按照发布时间分目录存放，保存了图片以及文本文件
-点击即可进入think目录查看的
-2023-01-21 13:01
-
+按照发布时间分目录存放，保存了图片以及文本文件
+点击即可进入think目录查看的
+2023-01-21 13:01
+
### 爬取到的article展示
-点击即可进入article目录查看的
-每篇article都附带了修改时间和IP属地
+点击即可进入article目录查看的
+每篇article都附带了修改时间和IP属地
保存到Markdown格式的数学公式、codes和图片
@@ -40,62 +40,62 @@
## 环境以及安装
**win10** **python**
-1、点击下面这个网页，安装miniconda也就是安装python，下载好以后安装即可，在安装时需要加入到系统环境变量，勾选下图第二个框即可。 [https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-py310_23.3.1-0-Windows-x86_64.exe](https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-py310_23.3.1-0-Windows-x86_64.exe)
- 
-2、接着需要修改python安装的路径，将msedgedriver\\.condarc这个档案放到根目录`C:\Users\username`即可，另外再打开一个cmd或者PowerShell
-运行`conda clean -i`输入`Y`即可，此时Python已经可以使用了
-
-3、安装Python相关的调用库，另外再打开一个cmd或者PowerShell，运行
-cd C:\Users\usrname\zhihu
-pip install -r .\requirement.txt
+1、点击下面这个网页，安装miniconda也就是安装python，下载好以后安装即可，在安装时需要加入到系统环境变量，勾选下图第二个框即可。
[https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-py310_23.3.1-0-Windows-x86_64.exe](https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-py310_23.3.1-0-Windows-x86_64.exe)
+
+2、接着需要修改python安装的路径，将msedgedriver\\.condarc这个档案放到根目录`C:\Users\username`即可，另外再打开一个cmd或者PowerShell
+运行`conda clean -i`输入`Y`即可，此时Python已经可以使用了
+
+3、安装Python相关的调用库，另外再打开一个cmd或者PowerShell，运行
+cd C:\Users\usrname\zhihu
+pip install -r .\requirement.txt
## 使用
### 1、登录
-运行以下内容，这一步是**手动**操作，需要人工输入账号和密码，然后点击登录就行，登录以后会自动保存好cookie，以后爬取时就不用重复登录了，保存的cookie在这个目录的**cookie**，产生的档案是**cookie_zhihu.pkl**
+运行以下内容，这一步是**手动**操作，需要人工输入账号和密码，然后点击登录就行，登录以后会自动保存好cookie，以后爬取时就不用重复登录了，保存的cookie在这个目录的**cookie**，产生的档案是**cookie_zhihu.pkl**
python.exe crawler.py
运行以后会弹出一个浏览器，自动打开知乎页面以后就可以开始登录，下图所示就是登录页面，两类登录方式都可以，只要能登录就行，点击登录以后，不要再操作页面，键盘或鼠标都不可以，登录时间默认给了130s时间，130秒以后会自动退出，然后查看目录cookie是否保存好cookie_zhihu.pkl，保存好就可以开始爬取了。
-
-### 2、每项单独爬取
-爬取一旦开始就自动运行了，爬取窗口一般不能最小化，可以做其他事情的
+
+### 2、每项单独爬取
+爬取一旦开始就自动运行了，爬取窗口一般不能最小化，可以做其他事情的
**爬取知乎想法**
-
-默认的爬取每篇想法的睡眠时间是 **6s*图片的数量** 以上
+
+默认的爬取每篇想法的睡眠时间是 **6s*图片的数量** 以上
`
python.exe crawler.py --think
`
-
+
**爬取知乎回答**
默认的爬取每篇回答的睡眠时间是**16s**以上，这边实际爬取耗时平均是每篇 **30s**，每个图片需要6s
`
python.exe crawler.py --answer
`
-
+
**爬取知乎的article**
默认的爬取每篇article的睡眠时间是**16s**以上，这边实际爬取130多篇，耗时平均是每篇 **33.096s**，每个图片需要6s
`
python.exe crawler.py --article
`
-
+
### 3、三项一起爬取的
`
python.exe crawler.py --think --article --answer
`
-
+
### 又发布了一篇，只爬取写的这篇
第一次可以全部爬取，等所有article或者回答或者想法都已经爬取好以后，此时若是又写了一篇或者几篇，而且想爬取到本地，可以将article/article.txt这个档案重命名到article/article_2023_06_20.txt，或者重命名answer.txt，然后将写好的article或者回答的网址和标题按照之前档案的格式再create一个article.txt/answer.txt档案，运行爬取程序就可以了的，想法会跳过已经爬取好的时间，所以可以按照上面的方式运行，此时只会爬取article.txt/answer.txt的网址
若是过了很长时间，发布了很多篇，此时一篇一篇加入不太方便，可以直接将article/article.txt这个档案重命名到article/article_2023_06_20.txt，或者重命名answer.txt，然后运行爬取程序即可，上面提到了已经爬取过的不会重复爬取，所以实际只会爬取最近写好的article或者回答，想法则会直接跳过已经爬取的内容。
### 目录
-think：该目录存放爬取到的想法内容
-article：该目录存放article的website以及爬取到的内容
-answer：该目录存放回答的website以及爬取到的内容
+think：该目录存放爬取到的想法内容
+article：该目录存放article的website以及爬取到的内容
+answer：该目录存放回答的website以及爬取到的内容
### 爬取注意事项
-1、需要较好的网速，本机网速测验是下载100Mbps，上传60Mbps，低点也可以的，不是太慢太卡就行[https://www.speedtest.cn/](https://www.speedtest.cn/)
-2、爬取时设置了睡眠时间, 避免给知乎服务器带来太大压力，可以日间调试好，然后深夜运行爬取人少, 给其他小伙伴更好的用户体验, 避免知乎顺着网线过来找人，默认**6**s
+1、需要较好的网速，本机网速测验是下载100Mbps，上传60Mbps，低点也可以的，不是太慢太卡就行[https://www.speedtest.cn/](https://www.speedtest.cn/)
+2、爬取时设置了睡眠时间, 避免给知乎服务器带来太大压力，可以日间调试好，然后深夜运行爬取人少, 给其他小伙伴更好的用户体验, 避免知乎顺着网线过来找人，默认**6**s
### blogs
[https://www.aliyundrive.com/s/NikyVRJq8JV 阿里云分享的](https://www.aliyundrive.com/s/NikyVRJq8JV) `提取 0h3l`