Zhihu Keyword Content Search

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

1. 识别关键词：从用户请求中提取要搜索的关键词
2. 获取 Cookie：若用户未提供，告知获取方式（见下方）
3. 执行脚本：运行 zhihu_crawl.py，监控进度
4. 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_output

Windows PowerShell：

python zhihu_crawl.py `
  --cookie "用户的Cookie" `
  --keywords "关键词1" "关键词2" `
  --top 100 `
  --output ./zhihu_output

Windows 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