然后是回复：

有两个地方都有回复的内容，因为上面那个的内容还包括了等一些内容，不方便处理，我们爬下面那个的内容，因为那个里面的内容纯正无污染。

代码

好，这时候我们试着写出python代码：

复制代码 代码如下:
# -*- coding: cp936 -*-
import urllib2
from BeautifulSoup import BeautifulSoup

f = open(\’howtoTucao.txt\’,\’w\’)     #打开文件

for pagenum in range(1,21):        #从第1页爬到第20页

    strpagenum = str(pagenum)      #页数的str表示
    print \”Getting data for Page \” + strpagenum   #shell里面显示的，表示已爬到多少页
    url = \”http://www.zhihu.com/collection/27109279?page=\”+strpagenum  #网址
    page = urllib2.urlopen(url)     #打开网页
    soup = BeautifulSoup(page)      #用BeautifulSoup解析网页
   
    #找到具有class属性为下面两个的所有Tag
    ALL = soup.findAll(attrs = {\’class\’ : [\’zm-item-title\’,\’zh-summary summary clearfix\’] })

    for each in ALL :               #枚举所有的问题和回答
        #print type(each.string)
        #print each.name
        if each.name == \’h2\’ :      #如果Tag为h2类型，说明是问题
            print each.a.string     #问题中还有一个，所以要each.a.string取出内容
            if each.a.string:       #如果非空，才能写入
                f.write(each.a.string)
            else :                  #否则写\”No Answer\”
                f.write(\”No Answer\”)
        else :                      #如果是回答，同样写入
            print each.string
            if each.string:
                f.write(each.string)
            else :
                f.write(\”No Answer\”)
f.close()                           #关闭文件

代码虽然不常，可是写了我半天，开始各种出问题。

运行

然后我们运行就可以爬了：

结果

等运行完毕，我们打开文件howtoTucao.txt，可以看到，这样就爬取成功了。只是格式可能还是有点问题，原来是我No Answer没加换行，所以No Answer还会混到文本里面去，加两个换行就可以了。