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': '20',
        'cur_tab': '3',
        '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!