用python爬取今日头条上的图片_Python爬虫:抓取今日头条图集
今天我们来爬取今日头条图集,老司机以街拍为例。
运行平台: Windows
Python版本: Python3.6
IDE: Sublime Text
其他工具: Chrome浏览器
1、网页分析
从打开今日头条首页,搜索“街拍”,下面有四个标签页“综合”、“视频”、“图集”和“用户”,我们依次点击几个标签,页面虽然变化了,但是地址栏的网址并没有变化,说明网页内容是动态加载的。
按“F12”调出Developer Tools,并刷新页面,接下来分析Developer Tools:
①:点击Network
②:选择XHR
③:找以“?offset=“开头的一项并点击,右侧出现详情
④:点击右侧“Header”标签页
⑤:看到请求方式和请求地址
⑥:此处为请求的参数
接下来点击Preview标签页查看返回的数据:
返回数据格式为json,展开“data”字段,并展开第一项,查找“title”,可以看到和网页第一个图集标题一致,说明找对地方了。
继续分析,“data”第一项里有一个“image_detail”字段,展开可以看到6项,并且每一项都有一个url,一看就是图片网址,不知是不是我们要找的,将该url复制到浏览器打开确实和第一张缩略图一样,那么这6个是不是该图集中所有的图像呢?
点击网页第一个图集,可以看到确实只有6张图片,而且与返回json数据中的图片一致。
到这里分析完了吗?我们看一下网页中除了图片,文字和相关推荐占了那么多内容,图片显得有点小,我们在图片上右击选择“在新标签页中打开图片”,注意看地址栏:
发现其中奥秘了吗?图片地址“large”变成了“origin”,将两个图片分别保存,比较一下大小,origin比large大很多,这才是我们需要的,至此,网页分析全部完成,接下来开始写代码。
2、代码
采用requests库进行抓取,由于前面分析已经很详细,代码就不分开讲解,请看注释内容
#-*- coding: utf-8 -*-
import os
import re
import json
import requests
from urllib.parse import urlencode
def get_one_page(offset, keyword):
'''
获取网页html内容并返回
'''
paras = {
'offset': offset, # 搜索结果项开始的位置
'format': 'json', # 返回的数据格式
'keyword': keyword, # 搜索的关键字
'autoload': 'true', # 自动加载
'count': 20, # 每次加载结果的项目数
'cur_tab': 3, # 当前的tab页索引,3为“图集”
'from': 'gallery' # 来源,“图集”
}
headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36'}
url = 'https://www.toutiao.com/search_content/?' + urlencode(paras)
try:
# 获取网页内容,返回json格式数据
response = requests.get(url, headers=headers)
# 通过状态码判断是否获取成功
if response.status_code == 200:
return response.text
return None
except RequestException:
return None
def parse_one_page(html):
'''
解析出组图网址,并将网页中所有图集的标题及图片地址返回
'''
urls = []
data = json.loads(html)
if data and 'data' in data.keys():
for item in data.get('data'):
page_urls = []
title = item.get('title')
image_detail = item.get('image_detail')
for i in range(len(image_detail)):
# 获取large图片地址
url = image_detail[i]['url']
# 替换URL获取高清原图
url = url.replace('large', 'origin')
page_urls.append(url)
urls.append({'title': title,'url_list': page_urls})
return urls
def save_image_file(url, path):
'''
保存图像文件
'''
ir = requests.get(url)
if ir.status_code == 200:
with open(path, 'wb') as f:
f.write(ir.content)
f.close()
def main(offset, word):
html = get_one_page(offset, word)
urls = parse_one_page(html)
# 图像文件夹不存在则创建
root_path = word
if not os.path.exists(root_path):
os.mkdir(root_path)
for i in range(len(urls)):
print('---正在下载 %s'%urls[i]['title'])
folder = root_path + '/' + urls[i]['title']
if not os.path.exists(folder):
try:
os.mkdir(folder)
except NotADirectoryError:
continue
except OSError:
continue
url_list = urls[i]['url_list']
for j in range(len(url_list)):
path = folder + '/index_' + str("%02d"%j) + '.jpg'
if not os.path.exists(path):
save_image_file(urls[i]['url_list'][j], path)
if __name__ == '__main__':
# 抓取2000个图集,基本上包含全部图集
for i in range(100):
main(i*20, '街拍')
可以根据自己喜好替换关键词下载你喜欢的图集。
用python爬取今日头条上的图片_Python爬虫:抓取今日头条图集相关推荐
- python爬虫抓取百度图片_Python爬虫抓取百度的高清摄影图片
成果预览: 源代码: import requests import re url = 'https://image.baidu.com/search/index' headers = { 'User- ...
- python爬取大众点评评论_python爬虫抓取数据 小试Python——爬虫抓取大众点评上的数据 - 电脑常识 - 服务器之家...
python爬虫抓取数据 小试Python--爬虫抓取大众点评上的数据 发布时间:2017-04-07
- python爬虫爬取股票软件数据_Python爬虫抓取东方财富网股票数据并实现MySQL数据库存储(转载)...
完整代码 实际上,整个事情完成了两个相对独立的过程:1.爬虫获取网页股票数据并保存到本地文件:2.将本地文件数据储存到MySQL数据库.并没有直接的考虑把从网页上抓取到的数据实时(或者通过一个临时文件 ...
- python抓取数据库数据_Python爬虫抓取东方财富网股票数据并实现MySQL数据库存储...
Python爬虫可以说是好玩又好用了.现想利用Python爬取网页股票数据保存到本地csv数据文件中,同时想把股票数据保存到MySQL数据库中.需求有了,剩下的就是实现了. 在开始之前,保证已经安装好 ...
- python爬虫实现股票数据存储_Python爬虫抓取东方财富网股票数据并实现MySQL数据库存储!...
Python爬虫可以说是好玩又好用了.现想利用Python爬取网页股票数据保存到本地csv数据文件中,同时想把股票数据保存到MySQL数据库中.需求有了,剩下的就是实现了. 在开始之前,保证已经安装好 ...
- python爬虫资源大全_Python爬虫抓取纯静态网站及其资源(基础篇)
本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理 以下文章来源于腾讯云 作者:程序员宝库 **( 想要学习Python?Python ...
- python爬虫app步骤_Python爬虫抓取手机APP的传输数据,python爬虫抓取app
Python爬虫抓取手机APP的传输数据,python爬虫抓取app 大多数APP里面返回的是json格式数据,或者一堆加密过的数据 .这里以超级课程表APP为例,抓取超级课程表里用户发的话题. 1. ...
- python唐诗分析综合_Python爬虫抓取唐诗宋词
一 说明 Python语言的爬虫开发相对于其他编程语言是极其高校的,在上一篇文章 爬虫抓取博客园前10页标题带有Python关键字(不区分大小写) 的文章中,我们介绍了使用requests做爬虫开发, ...
- pythonapp爬虫库_python爬虫抓取app列表的图标
python爬虫抓取app列表的图标 爬虫简介 所谓的爬虫简单来说,就是通过不断的变化http请求的url,向服务器进行请求,从而获得服务器返回的相关数据,在这些数据中提取对自己有用的信息. 爬虫的步 ...
最新文章
- 解决“安装程序无法定位现有系统分区,也无法创建新的系统分区”的方法
- 最新!百度首发 OCR 自训练平台 EasyDL OCR
- java自定义监听器例子_Spring 实现自定义监听器案例
- 成功解决Could not install packages due to an EnvironmentError: [WinError 5] 拒绝访问
- Java设计模式百例(番外) - Java的clone
- Win8下的SAP安装初体验
- Android PopupWindow 隐藏软键盘的方法
- 根文件系统构建(Buildroot 方式)
- Python lambda函数demo
- 插件显示缩进_硬核,这 3 款 IDE 插件让你的代码牢不可破
- ubuntu yum安装_ubuntu 制作本地yum仓库
- python中的 __getattr__ __setattr__ __getitem__ __add__
- Merge PDF - Split PDF(PDF合成)
- .NET简谈分层架构思想(彻底分离每个层)
- 日志系统模块基础、C语言实现一个日志模块、zlog日志模块基础
- python实现文本翻译
- wps里的超链接PDF打不开_PDF转Word都可以怎样操作?
- 新鑫工具箱(微信小程序)
- 原来ChatGPT可以充当这么多角色
- 15数字华容道解法 图解_华容道解法图