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
总结
以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作具有一定的参考学习价值,谢谢大家对悠久资源网的支持。如果你想了解更多相关内容请查看下面相关链接
您可能感兴趣的文章:
- 十个优秀的Ajax/Javascript实例网站收集
- 编码为GB2312网站让AJAX接收的数据显示支持中文
- php ajax网站浏览统计功能的简单实现
- PHP+Ajax 网站SEO查询工具 提供代码
- ajax+node+request爬取网络图片的实例(宅男福利)
- 通过抓取淘宝评论为例讲解Python爬取ajax动态生成的数据(经典)
- 如何爬取通过ajax加载数据的网站