blog of xlzd

　　玩知乎很久了，在知乎上学到不少知识，也学到不少抖机灵的技巧。作为一个知乎重度用户兼技术宅，简单抓取了一下知乎的一点数据，力求看到一个尽可能真实的知乎社区。

数据抓取

　　知乎没有可以一页一页翻取用户资料的列表页，而且用户首页URL也没有规律可循，完全是用户自定义的。考虑到我不准备拿下全部知乎用户，只希望取到一批质量不错的优质用户，我的抓取策略是这样的：用一个知乎大牛入手，抓取他的关注列表，然后进入他的关注列表，抓取每个人的资料后再抓取这这些人关注的列表，依次走下去。

第一步，我们想要生成fibonacci数列前N项，我们可以这样做：

1
2
3
4
5
6

def fib(size):
    a, b = 0, 1
    while size:
        print a, 
        a, b = b, a + b
        size -= 1

执行可以得到输出如下：

1
2

In [1]: fib(10)
0 1 1 2 3 5 8 13 21 34

这个函数的问题在于，我们只能调用它输出结果，并没办法拿到返回值，于是通用性不够。现在对这个函数做一点修改如下：

　　今天早上在微信公众号『程序猿』看到一篇关于对古诗词词频分析的文章，很感兴趣，于是自己也实现了一个~~~
　　首先在这个页面爬下《全宋词》，这一步通过Python和其丰富的库，很快就可以完成了，就不再赘述。爬下数据后，我将其保存到了一个文本文件中：