- name
- zhihu-crawler
- description
- 爬取知乎问题和回答。当用户要求爬取知乎、抓取知乎数据、搜索知乎问答，或提到"知乎"+"爬虫/爬取/抓取/搜索"时使用此技能。支持按关键词搜索问题、按回答数排序、抓取全部回答并保存为JSON和纯文本。
知乎爬虫 Skill
环境要求
- Python 3.7+（
python或python3命令） - 依赖：
pip install requests
工作流程
- 识别关键词：从用户请求中提取要搜索的关键词
- 获取 Cookie：若用户未提供，告知获取方式（见下方）
- 执行脚本：运行
zhihu_crawl.py，监控进度 - 汇报结果：问题数、回答数、输出目录
获取 Cookie
浏览器打开 zhihu.com 登录 → F12 → Network → 任意请求 → Request Headers → 复制 cookie: 后的完整值执行命令
python zhihu_crawl.py \
--cookie "用户的Cookie" \
--keywords "关键词1" "关键词2" \
--top 100 \
--output ./zhihu_outputWindows PowerShell：
python zhihu_crawl.py `
--cookie "用户的Cookie" `
--keywords "关键词1" "关键词2" `
--top 100 `
--output ./zhihu_outputWindows 上若提示 SSL 错误，在命令前加： $env:PATH = "C:\python\anaconda\Library\bin;" + $env:PATH参数
| 参数 | 必填 | 默认值 | 说明 |
|---|---|---|---|
--cookie | 是 | — | 知乎登录 Cookie |
--keywords | 否 | MyGO Ave Mujica 丰川祥子 | 搜索词，多个用空格分隔，含空格的词用引号 |
--top | 否 | 100 | 取回答数最多的前 N 个问题 |
--output | 否 | zhihu_output | 输出目录路径 |
--search-max | 否 | 200 | 每个关键词最多搜索多少候选 |
输出文件
output/
├── question_{id}.json # 每道题的完整数据（含全部回答）
├── _question_list.json # 问题列表（按回答数降序）
└── _merged_all.txt # 所有内容合并纯文本（可直接喂给 AI 分析）常见错误
| 错误 | 原因 | 解决 |
|---|---|---|
SSL module not available | Anaconda PATH 未配置 | 设置 $env:PATH = "C:\python\anaconda\Library\bin;" + $env:PATH |
ModuleNotFoundError: requests | 未安装依赖 | pip install requests 或 pip install --user requests |
HTTP 403 | Cookie 失效 | 重新从浏览器复制 Cookie |
| 找到 0 个问题 | Cookie 失效或关键词无结果 | 检查 Cookie 是否完整有效 |
使用示例
抓取单主题：
python zhihu_crawl.py --cookie "abc..." --keywords "高松灯" --top 50 --output ./output_灯抓取多主题，取 TOP 200：
python zhihu_crawl.py --cookie "abc..." --keywords "MyGO" "Ave Mujica" "丰川祥子" --top 200