附源碼：
import requests
from urllib.parse import urlencode
import re
import os
from requests import codes
from hashlib import md5
from multiprocessing.pool import Pool
def get_page(offset):
? ? headers = {
? ? ? ? 'cookie': 'tt_webid=6726380411449148935; WEATHER_CITY=%E5%8C%97%E4%BA%AC; __tasessionId=385zzngu11566107488919; tt_webid=6726380411449148935; csrftoken=7bf3e286e8095f9371dc5e2bfab0ed19; s_v_web_id=fb560f45a8b77ca1a01cc1c4abb0e9b1',
? ? ? ? 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.100 Safari/537.36',
? ? ? ? 'x-requested-with': 'XMLHttpRequest',
? ? ? ? 'referer': 'https://www.toutiao.com/search/?keyword=%E8%A1%97%E6%8B%8D'
? ? }
? ? params = {
? ? ? ? 'aid': '24',
? ? ? ? 'app_name': 'web_search',
? ? ? ? 'offset': offset,
? ? ? ? 'format': 'json',
? ? ? ? 'keyword': '街拍',
? ? ? ? 'autoload': 'true',
? ? ? ? 'count': '20',
? ? ? ? 'en_qc': '1',
? ? ? ? 'cur_tab': '1',
? ? ? ? 'from': 'search_tab',
? ? ? ? 'pd': 'synthesis'
? ? }
? ? base_url = 'https://www.toutiao.com/api/search/content/?'
? ? url = base_url + urlencode(params)
? ? # print(url)
? ? try:
? ? ? ? resp = requests.get(url, headers = headers)
? ? ? ? if resp.status_code == 200:
? ? ? ? ? ? return resp.json()
? ? except requests.ConnectionError:
? ? ? ? return None
def get_images(json):
? ? if json.get('data'):
? ? ? ? data = json.get('data')
? ? ? ? for item in data:
? ? ? ? ? ? if item.get('title') is None:
? ? ? ? ? ? ? ? continue
? ? ? ? ? ? title = re.sub('[\t]', '', item.get('title'))
? ? ? ? ? ? images = item.get('image_list')
? ? ? ? ? ? if images is None:
? ? ? ? ? ? ? ? continue
? ? ? ? ? ? for image in images:
? ? ? ? ? ? ? ? origin_image = re.sub('list.*?pgc-image', 'large/pgc-image', image.get('url'))
? ? ? ? ? ? ? ? yield {
? ? ? ? ? ? ? ? ? ? 'image': origin_image,
? ? ? ? ? ? ? ? ? ? 'title': title
? ? ? ? ? ? ? ? }
def save_image(item):
? ? 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'))
? ? ? ? if codes.ok == resp.status_code:
? ? ? ? ? ? file_path = img_path + os.path.sep + '{file_name}.{file_suffix}'.format(file_name=md5(resp.content).hexdigest(), file_suffix='jpg')
? ? ? ? ? ? if not os.path.exists(file_path):
? ? ? ? ? ? ? ? with open(file_path, 'wb') as f:
? ? ? ? ? ? ? ? ? ? f.write(resp.content)
? ? ? ? ? ? ? ? print('Downloaded image path is %s' % file_path)
? ? ? ? ? ? else:
? ? ? ? ? ? ? ? print('Already Downloaded', file_path)
? ? except Exception as e:
? ? ? ? print(e)
def main(offset):
? ? json = get_page(offset)
? ? for item in get_images(json):
? ? ? ? save_image(item)
GROUP_START = 0
GROUP_END = 0
if __name__ == '__main__':
? ? pool = Pool()
? ? groups = ([x * 20 for x in range(GROUP_START, GROUP_END + 1)])
? ? pool.map(main, groups)
? ? pool.close()
? ? pool.join()
爬取效果：
