Python 爬虫爬取今日头条街拍上的图片

# 今日头条--街拍

import requests
from urllib.parse import urlencode
import os
from hashlib import md5
from multiprocessing.pool import Pool

# 根据 offset 得到每一个 ajax 请求返回的 json
def get_json(offset):
    base_url = 'https://www.toutiao.com/search_content/?'
    params = {
        'offset': offset,
        'format': 'json',
        'keyword': '街拍',
        'autoload': 'true',
        'count': '20',
        'cur_tab': '1',
        'from': 'search_tab',
        'pd': 'synthesis'
    }
    url = base_url + urlencode(params)

    try:
        response = requests.get(url)
        if response.status_code == 200:
            return response.json()
    except requests.ConnectionError as e:
        print('Errors', e.args)
        return None

# 根据 josn 提取出相应内容的标题、图片链接
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,
                    #获取大图片
                    'image': image.get('url').replace('list', 'large').replace('//', 'Https://')
                }

# 根据 item 中的 title 创建文件夹，图片的名称可以用其内容的 MD5 值，防止重复
# 这里有个小问题，那就是在 windows 路径下创建文件夹是不可以有英文的':'，这些标题大多是中文符号，但是偶尔也会含有
# 英文的':',这样会导致创建文件夹失败，所以要将windows下不允许的英文符号(\/:*?"<>|)转换成相应的中文标点
def save_images(item):
    title = item.get('title')
    intab = r'\/:*?"<>|'
    outtab = '、、：-？“《》-'
    trantab = str.maketrans(intab, outtab)
    # 将windows下不允许的英文符号(\/:*?"<>|)转换成相应的中文标点
    title = title.translate(trantab)
    if not os.path.exists(title):
        os.mkdir(title)
    try:
        response = requests.get(item.get('image'))
        if response.status_code == 200:
            file_path = '{0}/{1}.{2}'.format(title, md5(response.content).hexdigest(), 'jpg')
            if not os.path.exists(file_path):
                with open(file_path, 'wb') as f:
                    f.write(response.content)
            else:
                print('Already Downloaded', file_path)
    except requests.ConnectionError:
        print('Failed to save image')

def main(offset):
    json = get_json(offset)
    for item in get_images(json):
        print(item)
        save_images(item)

# 定义开始页数
GROUP_START = 1
# 定义结束页数
GROUP_END = 5

if __name__ == '__main__':
    pool = Pool()
    offsets = ([x * 20 for x in range(GROUP_START, GROUP_END + 1)])
    # 利用多线程的线程池的map方法下载图片
    pool.map(main, offsets)
    pool.close()
    pool.join()