Python爬虫学习笔记之爬今日头条的街拍图片

代码:

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

 GROUP_START = 1
 GROUP_END = 5

 def get_page(offset):
     params = {
         'offset': offset,
         'format': 'json',
         'keyword': '街拍',
         'autoload': 'true',
         'count': '',
         'cur_tab': '',
         'form': 'search_tab',
     }
     url  = 'https://www.toutiao.com/search_content/?' + urlencode(params)
     try:
         response = requests.get(url)
         if response.status_code == 200:
             return response.json()
     except requests.ConnectionError:
         return None

 def get_images(json):
     data = json.get('data')
     if data:
         for item in data:
             image_list = item.get('image_list')
             title = item.get('title')
             if image_list:
                 for image in image_list:
                     # 构造一个生成器，将图片和标题一起返回
                     yield {
                         'image': image.get('url'),
                         'title': title
                     }

 # item就是get_image()返回的一个字典
 # item里面的title创建一个文件夹
 def save_image(item):
     if not os.path.exists(item.get('title')):
         os.mkdir(item.get('title'))
     try:
         local_image_url = item.get('image')
         new_image_url = local_image_url.replace('list', 'large')
         response = requests.get('http:' + new_image_url)
         if response.status_code == 200:
             file_path = '{0}/{1}.{2}'.format(item.get('title'), md5(response.content).hexdigest(), 'jpg')
             # 判断路径是否存在，如果不存在，写入
             if not os.path.exists(file_path):
                 with open(file_path, 'wb')as f:
                     f.write(response.content)
             else:
                 print('Already Download', file_path)
     except:
         print('Failed to save image')

 # 定义一个offset数组，遍历，提取图片，下载
 def main(offset):
     json = get_page(offset)
     for item in get_images(json):
         print(item)
         save_image(item)

 if __name__ == '__main__':
     pool = Pool() # 创建进程池
     groups = ([x * 20 for x in range(GROUP_START, GROUP_END + 1)])
     pool.map(main, groups) # 第一个参数是函数，第二个参数是一个迭代器，将迭代器中的数字作为参数依次传入函数中
     pool.close() # 关闭pool，使其不在接受新的（主进程）任务
     pool.join() # 主进程阻塞后，让子进程继续运行完成，子进程运行完后，再把主进程全部关掉

结果:

此时可以看到文件夹里:

随便打开一个:

Successful!