一、前言

作為簡書上第一篇文章，先介紹下小背景，即為什么爬知乎第一大V張公子的138w+關注者信息？

其實之前也寫過不少小爬蟲，按照網上各種教程實例去練手，“不可避免”的爬過妹子圖、爬過豆瓣Top250 電影等等；也基于自身的想法，在浙大 120 周年校慶前，聽聞北美帝國大廈首次給大陸學校亮燈，于是爬取2016- 2017 年官網上每日的亮燈圖并用python的PIL庫做了幾個小logo，算是一名吃瓜群眾自發的慶賀行為。

北美帝國大廈亮燈圖：ZJU120

也因為喜歡魯迅的作品，爬過在線魯迅全集的全部文章標題和鏈接；另外聽說太祖的某卷書是****，于是順帶也爬了遍毛選；還幫老同學在某票據網站下線前爬了大部分機構、人員信息，說是蠻值錢，然而也還在留著落灰......

微博簽到數據點亮中國

再是知道百度Echarts開源的可視化網站里面的圖很酷炫，比如使我著迷的：微博簽到數據點亮中國，http://echarts.baidu.com/demo.html#scatter-weibo 于是想著可以爬取微博大明星、小鮮肉的粉絲的居住地，然后搞搞怎么畫出全國乃至全球分布情況。但發現幾年前微博就限制只能查看 200 左右粉絲數（具體忘了），蠻掃興的，于是將目光轉向了知乎......

而既然要爬，那就爬關注人數最多的張公子吧，數據量也大，這方面是之前小項目所不及的，此前也看過不少爬知乎數據與分析的文章，因此也想練練手，看看大量訪問與獲取數據時會不會遇到什么封IP的反爬措施，以及數據可視化能搞成什么樣。

不過此文在爬蟲部分不做過多展開，看情況后續再另寫一文。

思路如下：抓包獲取張佳瑋主頁關注者api，然后改變網址中offset參數為 20 的倍數，一直翻頁直到獲取138w+關注者信息，其中返回的json數據主要有：關注者的昵稱、主頁id（即url_token）、性別、簽名、被關注人數等，也就是說需要訪問所有主頁id，才能獲取更多信息（個人主頁api：以黃繼新為例）：居住地、所在行業、職業經歷、教育經歷、獲贊數、感謝數、收藏數等等。鑒于還不怎么會多進程爬取，如果把所有id再爬一遍會非常耗時間，于是篩選被關注數100+的id，發現只剩了4.1w+，之后較完整提取了這部分的信息，后續可視化也多基于此。

爬取信息一覽