Python有趣|寻找知乎最美小姐姐

前言

本月将更新八篇Python有趣系列文章。本系列通过多个有趣案例，讲解Python的玩法，其中包含如下内容，一一推进讲解。
当然在学习Python的道路上肯定会困难，没有好的学习资料，怎么去学习呢？学习Python中有不明白推荐加入交流群号：683380553 群里有志同道合的小伙伴，互帮互助，群里有不错的视频学习教程和PDF！

爬虫
数据分析
机器学习

项目背景

最近知乎老是给我推送两个问答，一个是长得好看是种什么体验？(https://www.zhihu.com/question/295119062)，另一个是女朋友长得好看是怎样的体验？(https://www.zhihu.com/question/29024583/answer/532321853)所以，本文将讲解如何爬取知乎这两个问题的回答中的图片，并通过百度人脸识别api进行颜值打分，选取出知乎最美小姐姐。整个项目流程如下图所示：

网页分析

首先，我们打开一个话题，通过F12查看，可以看到是一个异步加载的网页，我们需要对其进行找包，如图，这个包就是我们所需要的。

接着，我们分析下这个url，可以发现，除了offset用于分页，questions后面的数字为不同问题的ID。之外，其他url的参数都是固定的，所以我们只需要构造这个url，不断循环请求就好了。

https://www.zhihu.com/api/v4/questions/29024583/answers?include=data%5B%2A%5D.is_normal%2Cadmin_closed_comment%2Creward_info%2Cis_collapsed%2Cannotation_action%2Cannotation_detail%2Ccollapse_reason%2Cis_sticky%2Ccollapsed_by%2Csuggest_edit%2Ccomment_count%2Ccan_comment%2Ccontent%2Ceditable_content%2Cvoteup_count%2Creshipment_settings%2Ccomment_permission%2Ccreated_time%2Cupdated_time%2Creview_info%2Crelevant_info%2Cquestion%2Cexcerpt%2Crelationship.is_authorized%2Cis_author%2Cvoting%2Cis_thanked%2Cis_nothelp%2Cis_labeled%3Bdata%5B%2A%5D.mark_infos%5B%2A%5D.url%3Bdata%5B%2A%5D.author.follower_count%2Cbadge%5B%2A%5D.topics&limit=3&offset=3&platform=desktop&sort_by=default

返回的数据为json数据，我们这里只是需要图片，所以只提取用户昵称和内容（昵称用于图片取名，内容中有图片信息）。

图片信息存在content字段中，我们通过正则表达式来进行提取。

爬虫代码

根据上面的思路，我们编写爬虫代码：

import requestsfrom lxml import etreeimport jsonimport timeimport re
headers = {    'user-agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36',    'cookie':''}
def get_img(url):    res = requests.get(url,headers=headers)    i = 1    json_data = json.loads(res.text)    datas = json_data['data']    for data in datas:        id = data['author']['name']        content = data['content']        imgs = re.findall('img src="(.*?)"',content,re.S)        if len(imgs) == 0:            pass        else:            for img in imgs:                if 'jpg' in img:                    res_1 = requests.get(img,headers=headers)                    fp = open('row_img/' + id + '+' + str(i) + '.jpg','wb')                    fp.write(res_1.content)                    i = i + 1                    print(id,img)
if __name__ == '__main__':    urls = ['https://www.zhihu.com/api/v4/questions/29024583/answers?include=data%5B%2A%5D.is_normal%2Cadmin_closed_comment%2Creward_info%2Cis_collapsed%2Cannotation_action%2Cannotation_detail%2Ccollapse_reason%2Cis_sticky%2Ccollapsed_by%2Csuggest_edit%2Ccomment_count%2Ccan_comment%2Ccontent%2Ceditable_content%2Cvoteup_count%2Creshipment_settings%2Ccomment_permission%2Ccreated_time%2Cupdated_time%2Creview_info%2Crelevant_info%2Cquestion%2Cexcerpt%2Crelationship.is_authorized%2Cis_author%2Cvoting%2Cis_thanked%2Cis_nothelp%2Cis_labeled%3Bdata%5B%2A%5D.mark_infos%5B%2A%5D.url%3Bdata%5B%2A%5D.author.follower_count%2Cbadge%5B%2A%5D.topics&limit=5&offset={}&platform=desktop&sort_by=default'.format(str(i)) for i in range(0,25000,5)]    for url in urls:        get_img(url)        time.sleep(2)

这里cookie需要换成自己的，我们图片的命名为用户昵称+数字（由于一个回答可能有多个图片），结果如图，这样，就解锁了一份小姐姐图片。

人脸识别API

由于爬取了图片，有一些是没人像，有些是男的…而且是为了找到高颜值小姐姐，如果人工筛选费事费力，这里调用百度的人脸识别API，进行图片过滤和颜值打分，选出知乎最美小姐姐。

首先，打开网址（http://ai.baidu.com/tech/face），登陆后立即使用，我们首先创建一个人脸识别的应用。api的使用说简单很简单（看文档就好了），说难也很难（大家的阅读能力在慢慢下降）。首先，我们看着文档（https://ai.baidu.com/docs#/Face-Detect-V3/top），一步步来。

接着我们通过API Key和Secret Key获取token：

import requests
ak = ''sk = ''
host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id={}&client_secret={}'.format(ak,sk)
res = requests.post(host)print(res.text)

我们拿着token，来请求对应的网页就可以获取图片的内容了。我们拿张超越妹妹的图片做例子~

import base64import json
token = ''
def get_img_base(file):    with open(file,'rb') as fp:        content = base64.b64encode(fp.read())        return content
request_url = "https://aip.baidubce.com/rest/2.0/face/v3/detect"request_url = request_url + "?access_token=" + token
params = {    'image':get_img_base('test.jpg'),    'image_type':'BASE64',    'face_field':'age,beauty,gender'}
res = requests.post(request_url,data=params)result = res.textjson_result = json.loads(result)code = json_result['error_code']gender = json_result['result']['face_list'][0]['gender']['type']beauty = json_result['result']['face_list'][0]['beauty']print(code,gender,beauty)
### result 0 female 76.25

这里的token为前面请求得到的，params的参数中，图片需要base64编码~超越妹妹76.25，还算给力。

综合使用

最后，我们逐一请求我们保存的图片，过滤掉非人物以及男性图片，获取小姐姐图片的分数（这里处理为1-10分），并分别存在不同的文件夹中。

import requestsimport osimport base64import jsonimport time
def get_img_base(file):    with open(file,'rb') as fp:        content = base64.b64encode(fp.read())        return content
file_path = 'row_img'list_paths = os.listdir(file_path)for list_path in list_paths:    img_path = file_path + '/' + list_path#     print(img_path)
    token = '24.a2d7a4d09435e716cf1cb163f176cb12.2592000.1553929524.282335-15648650'
    request_url = "https://aip.baidubce.com/rest/2.0/face/v3/detect"    request_url = request_url + "?access_token=" + token
    params = {        'image':get_img_base(img_path),        'image_type':'BASE64',        'face_field':'age,beauty,gender'    }
    res = requests.post(request_url,data=params)    json_result = json.loads(res.text)    code = json_result['error_code']    if code == 222202:        continue
    try:        gender = json_result['result']['face_list'][0]['gender']['type']        if gender == 'male':            continue        beauty = json_result['result']['face_list'][0]['beauty']        new_beauty = round(beauty/10,1)        print(img_path,new_beauty)        if new_beauty >= 8:            os.rename(os.path.join(file_path,list_path),os.path.join('8分',str(new_beauty) +  '+' + list_path))        elif new_beauty >= 7:            os.rename(os.path.join(file_path,list_path),os.path.join('7分',str(new_beauty) +  '+' + list_path))        elif new_beauty >= 6:            os.rename(os.path.join(file_path,list_path),os.path.join('6分',str(new_beauty) +  '+' + list_path))        elif new_beauty >= 5:            os.rename(os.path.join(file_path,list_path),os.path.join('5分',str(new_beauty) +  '+' + list_path))        else:            os.rename(os.path.join(file_path,list_path),os.path.join('其他分',str(new_beauty) +  '+' + list_path))        time.sleep(1)
    except KeyError:        pass    except TypeError:        pass