爬取今日头条Ajax请求

网址：https://www.toutiao.com/

搜索头条

可以得到这个网址：

https://www.toutiao.com/search/?keyword=%E8%A1%97%E6%8B%8D

开发者工具查看：

我们在搜索中并没有发现上面的文字，那么我们可以初步判定，这个由Ajax加载，然后渲染出来的。此时切换到xhr过滤，可以看到确实是ajax请求。

观察请求的特点，发现只有offset是改变的，而且一次加20,。

我们可以用它来控制数据分页，然后把图片下载下来。代码如下：

import requests
import os
from urllib.parse import urlencode
from hashlib import md5
from multiprocessing.pool import Pool
from requests import codes
def get_page(offset):
params = {
\”offset\”:offset,
\”format\”:\”json\”,
\”keyword\”:\”街拍\”,
\”autoload\”:\”true\”,
\”count\”:\”20\”,
\”cur_tab\”:\”1\”,
\”from\”:\”search_tab\”
}
url = \’https://www.toutiao.com/search_content/?\’+urlencode(params)
try:
response = requests.get(url)
if response.status_code == 200:
# print(url)
return response.json()
except requests.ConnectionError:
return None
# get_page(0)
def get_images(json):
if json.get(\’data\’):
for item in json.get(\’data\’):
if item.get(\’cell_type\’) is not None:
continue
title = item.get(\’title\’)
images = item.get(\’image_list\’)
for image in images:
yield {
\’title\’:title,
\’image\’:\’https:\’ + image.get(\’url\’),
}
def save_image(item):
#os.path.sep 路径分隔符‘//\’
img_path = \’img\’ + os.path.sep + item.get(\’title\’)
if not os.path.exists(img_path):
os.makedirs(img_path)
try:
resp = requests.get(item.get(\’image\’))
# print(type(resp))
if codes.ok == resp.status_code:
file_path = img_path + os.path.sep + \'{file_name}.{file_suffix}\’.format(
file_name=md5(resp.content).hexdigest(),#md5是一种加密算法获取图片的二进制数据，以二进制形式写入文件
file_suffix=\’jpg\’)
if not os.path.exists(file_path):
with open(file_path,\’wb\’)as f:
f.write(resp.content)
print(\’Downladed image path is %s\’ % file_path)
else:
print(\’Already Downloaded\’,file_path)
except requests.ConnectionError:
print(\’Failed to Save Image,item %s\’ % item)
def main(offset):
json = get_page(offset)
for item in get_images(json):
print(item)
save_image(item)
GROUP = 0
GROUP_END = 2
if __name__ == \’__main__\’:
pool = Pool()
groups = ([x*20 for x in range(GROUP,GROUP_END)])
pool.map(main,groups) #将groups一个个调出来传给main函数
pool.close()
pool.join() #保证子进程结束后再向下执行 pool.join(1) 等待一秒