"""
抓取今日头条街拍美图
""" import os
import time
import requests from hashlib import md5 class SpiderToutiao(object): def __init__(self):
# 指定下载目录
self.download_dir = os.path.join(os.path.dirname(os.path.abspath(__file__)), "download")
# 通过分析请求, 我们发现了需要的地址如下, 且分页是通过 offset + 20 控制的
self.url = "https://www.toutiao.com/search_content/" \
"?offset={0}&format=json&keyword=%E8%A1%97%E6%8B%8D&autoload=true&count=20&cur_tab=3&from=gallery"
# 构造请求头, 伪装成 Ajax 请求
self.headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) "
"Chrome/66.0.3359.139 Safari/537.36",
"Referer": "https://www.toutiao.com/search/?keyword=%E8%A1%97%E6%8B%8D",
"X-Requested-With": "XMLHttpRequest"
} def handler(self, offset=0): while True:
response = requests.get(self.url.format(offset), headers=self.headers)
if response.status_code == 200:
print("INFO -> Current URL: <%s>" % response.url)
json_data = response.json().get("data")
# 开始解析数据
if json_data:
for item in json_data:
_title = item.get("title")
_imgDict = item.get("image_list")
# 修正一下URL, 默认给的图片地址是小图, 我们要高清大图
_imgList = [str("http:" + _.get("url")).replace("list", "large") for _ in _imgDict] # 创建存储目录
_downloadDir = os.path.join(self.download_dir, _title)
if not os.path.exists(_downloadDir):
os.makedirs(_downloadDir) # 下载并保存文件
for img in _imgList:
r = requests.get(img)
_file = os.path.join(_downloadDir, md5(r.content).hexdigest() + ".jpg")
if not os.path.exists(_file):
with open(_file, "wb") as f:
f.write(r.content)
else:
print("INFO -> ig <%s>" % _file)
# 说明没有数据了, 程序退出
else:
break # 分页自增
offset += 20
# 间隔时间
time.sleep(.9)
else:
print(response.reason)
exit(999) if __name__ == "__main__": spider = SpiderToutiao()
spider.handler()

最新文章

  1. matlab下二重积分的蒙特卡洛算法
  2. J2EE、J2SE、J2ME是什么意思?
  3. sys.dm_db_wait_stats
  4. js Array对象
  5. LeetCode(2) || Add Two Numbers &amp;&amp; Longest Substring Without Repeating Characters
  6. Collection集合框架详解
  7. 移动端手势双击(MouseDown也可以在移动端响应,但是帧率太低)
  8. Spring中@Transactional事务回滚(含实例详细讲解,附源码)
  9. How Many Processes Should Be Set For The Receiving Transaction Manager (RTM)
  10. https://github.com/gaoyangxiaozhu/DockerVI
  11. spring-boot-maven-plugin插件的作用
  12. 用ethtool 命令解决Linux 网卡丢包【转】
  13. hive-site.xml
  14. PHP中eval函数的危害与正确禁用方法
  15. 《转载》图解Tomcat类加载机制
  16. yii2 rbac权限管理学习笔记
  17. P2672 推销员 优先队列 + 贪心
  18. 服务器证书日期无效 SSL_DATE_INVALID
  19. SpringBoot AOP示例
  20. ConcurrentMap注意事项

热门文章

  1. ThinkPHP 5 中的 composer.json
  2. java中&lt;load-on-startup&gt;含义
  3. java数组变量
  4. 工欲善其事必先利其器系列之:更换Visual Studio代码风格.
  5. Android 对话框(Dialog)大全
  6. springMVC参数绑定JSON类型的数据
  7. make -j [N] --jobs [=N] 增加效率
  8. 如何使input双击时不显示历史记录
  9. 第2课 C 到 C++ 的升级
  10. ESB初步配置文件认识