• 企业400电话
  • 微网小程序
  • AI电话机器人
  • 电商代运营
  • 全 部 栏 目

    企业400电话 网络优化推广 AI电话机器人 呼叫中心 网站建设 商标✡知产 微网小程序 电商运营 彩铃•短信 增值拓展业务
    爬取今日头条Ajax请求

    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,谢谢大家对脚本之家的支持。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
    上一篇:ajax实现页面的局部加载
    下一篇:Ajax报错400的参考解决办法
  • 相关文章
  • 

    © 2016-2020 巨人网络通讯 版权所有

    《增值电信业务经营许可证》 苏ICP备15040257号-8

    爬取今日头条Ajax请求 爬取,今日,头条,Ajax,请求,