最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

Python基于分析Ajax請求實現(xiàn)抓取今日頭條街拍圖集功能示例

 更新時間:2018年07月19日 09:24:35   作者:wanlifeipeng  
這篇文章主要介紹了Python基于分析Ajax請求實現(xiàn)抓取今日頭條街拍圖集功能,涉及Python針對今日頭條URL請求與json數(shù)據(jù)處理相關操作技巧,需要的朋友可以參考下

本文實例講述了Python基于分析Ajax請求實現(xiàn)抓取今日頭條街拍圖集功能。分享給大家供大家參考,具體如下:

代碼:

import os
import re
import json
import time
from hashlib import md5
from multiprocessing import Pool
import requests
from requests.exceptions import RequestException
from pymongo import MongoClient
# 配置信息
OFFSET_START = 0  # 爬去頁面的起始下標
OFFSET_END = 20  # 爬去頁面的結束下標
KEYWORD = '街拍'  # 搜索的關鍵字
# mongodb相關配置
MONGO_URL = 'localhost'
MONGO_DB = 'toutiao'  # 數(shù)據(jù)庫名稱
MONGO_TABLE = 'jiepai' # 集合名稱
# 圖片保存的文件夾名稱
IMAGE_PATH = 'images'
headers = {
  "User-Agent": 'Mozilla/5.0 (Windows NT 10.0; Win64; x64)'
}
client = MongoClient(host=MONGO_URL)
db = client[MONGO_DB]
jiepai_table = db[MONGO_TABLE]
if not os.path.exists(IMAGE_PATH):
  os.mkdir(IMAGE_PATH)
def get_html(url, params=None):
  try:
    response = requests.get(url, params=params, headers=headers)
    if response.status_code == 200:
      return response.text
    return None
  except RequestException as e:
    print("請求%s失敗: " % url, e)
    return None
# 獲取索引頁內容
def get_index_page(offset, keyword):
  basic_url = 'http://www.toutiao.com/search_content/'
  params = {
    'offset': offset,
    'format': 'json',
    'keyword': keyword,
    'autoload': 'true',
    'count': 20,
    'cur_tab': 3
  }
  return get_html(basic_url, params)
def parse_index_page(html):
  '''
  解析索引頁內容
  返回: 索引頁中包含的所有詳情頁url
  '''
  if not html:
    return
  data = json.loads(html)
  if 'data' in data:
    for item in data['data']:
      article_url = item['article_url']
      if 'toutiao.com/group' in article_url:
        yield article_url
# 獲取詳情頁
def get_detail_page(url):
  return get_html(url)
# 解析詳情頁
def parse_detail_page(url, html):
  '''
    解析詳情頁
    返回對應的標題,url和包含的圖片url
  '''
  title_reg = re.compile('<title>(.*?)</title>')
  title = title_reg.search(html).group(1)
  gallery_reg = re.compile('var gallery = (.*?);')
  gallery = gallery_reg.search(html)
  if gallery and 'sub_images' in gallery.group(1):
    images = json.loads(gallery.group(1))['sub_images']
    image_list = [image['url'] for image in images]
    return {
      'title': title,
      'url': url,
      'images': image_list
    }
  return None
def save_to_mongodb(content):
  jiepai_table.insert(content)
  print("存儲到mongdob成功", content)
def download_images(image_list):
  for image_url in image_list:
    try:
      response = requests.get(image_url)
      if response.status_code == 200:
        save_image(response.content)
    except RequestException as e:
      print("下載圖片失敗: ", e)
def save_image(content):
  '''
    對圖片的二進制內容做hash,構造圖片路徑,以此保證圖片不重復
  '''
  file_path = '{0}/{1}/{2}.{3}'.format(os.getcwd(),
                     IMAGE_PATH, md5(content).hexdigest(), 'jpg')
  # 去除重復的圖片
  if not os.path.exists(file_path):
    with open(file_path, 'wb') as f:
      f.write(content)
def jiepai(offset):
  html = get_index_page(offset, KEYWORD)
  if html is None:
    return
  page_urls = list(parse_index_page(html))
  # print("詳情頁url列表:" )
  # for page_url in page_urls:
  #   print(page_url)
  for page in page_urls:
    print('get detail page:', page)
    html = get_detail_page(page)
    if html is None:
      continue
    content = parse_detail_page(page, html)
    if content:
      save_to_mongodb(content)
      download_images(content['images'])
      time.sleep(1)
  print('-------------------------------------')
if __name__ == '__main__':
  offset_list = range(OFFSET_START, OFFSET_END)
  pool = Pool()
  pool.map(jiepai, offset_list)

備注:

其實通過url請求返回的json數(shù)據(jù)中已經包含了圖片列表

import requests
basic_url = 'http://www.toutiao.com/search_content/?offset={}&format=json&keyword=%E8%A1%97%E6%8B%8D&autoload=true&count=20&cur_tab=3'
url = basic_url.format(0)
html = requests.get(url).json()
items = html['data']
for item in items:
  title = item['media_name']
  image_list = [image_detail['url'] for image_detail in item['image_detail']]
  print(title, image_list)

更多關于Python相關內容感興趣的讀者可查看本站專題:《Python Socket編程技巧總結》、《Python URL操作技巧總結》、《Python數(shù)據(jù)結構與算法教程》、《Python函數(shù)使用技巧總結》、《Python字符串操作技巧匯總》及《Python入門與進階經典教程

希望本文所述對大家Python程序設計有所幫助。

相關文章

  • Python數(shù)據(jù)擬合實現(xiàn)最小二乘法示例解析

    Python數(shù)據(jù)擬合實現(xiàn)最小二乘法示例解析

    這篇文章主要為大家介紹了Python數(shù)據(jù)擬合實現(xiàn)最小二乘法的示例解析,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步
    2021-10-10
  • python爬取豆瓣電影TOP250數(shù)據(jù)

    python爬取豆瓣電影TOP250數(shù)據(jù)

    這次以豆瓣電影TOP250網(wǎng)為例編寫一個爬蟲程序,并將爬取到的數(shù)據(jù)(排名、電影名和電影海報網(wǎng)址)存入MySQL數(shù)據(jù)庫中。
    2021-05-05
  • python批量圖片處理簡單示例

    python批量圖片處理簡單示例

    這篇文章主要介紹了python批量圖片處理,涉及Python針對圖片文件的遍歷、判斷、縮放等相關操作技巧,需要的朋友可以參考下
    2019-08-08
  • Python導入引用其他文件的函數(shù)實戰(zhàn)案例(推薦!)

    Python導入引用其他文件的函數(shù)實戰(zhàn)案例(推薦!)

    這篇文章主要給大家介紹了關于Python導入引用其他文件的函數(shù)的相關資料,文中通過代碼以及圖文介紹的非常詳細,對大家學習或者使用Python具有一定的參考借鑒價值,需要的朋友可以參考下
    2024-01-01
  • Python加密word文檔詳解

    Python加密word文檔詳解

    這篇文章主要介紹了Python實現(xiàn)對word文檔添加密碼去除密碼,本文通過實例代碼給大家介紹的非常詳細,對大家的學習或工作具有一定的參考借鑒價值,需要的朋友可以參考下
    2021-08-08
  • 一文教你Python引入其他文件夾下的.py文件

    一文教你Python引入其他文件夾下的.py文件

    這篇文章主要為大家詳細介紹了如何在Python中引入其他文件夾里的.py文件,并探討幾種常見的實現(xiàn)方式,有需要的小伙伴可以根據(jù)需求進行選擇
    2025-03-03
  • 使用Python進行時間序列分析的8種繪圖類型

    使用Python進行時間序列分析的8種繪圖類型

    時間序列數(shù)據(jù)是按時間順序按固定時間間隔排列的觀測值的集合,每個觀察對應于一個特定的時間點,并且可以以各種頻率(例如,每天、每月、每年)記錄數(shù)據(jù),本文介紹了幾種類型的繪圖,可幫助您使用 Python 進行時間序列分析,并提供使用可免費訪問的數(shù)據(jù)集的詳細示例
    2023-09-09
  • Python 輸出時去掉列表元組外面的方括號與圓括號的方法

    Python 輸出時去掉列表元組外面的方括號與圓括號的方法

    今天小編就為大家分享一篇Python 輸出時去掉列表元組外面的方括號與圓括號的方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2018-12-12
  • Python圖像處理之對比兩張圖片的差異示例

    Python圖像處理之對比兩張圖片的差異示例

    這篇文章主要給大家介紹了關于Python圖像處理之對比兩張圖片的差異,Python提供了一些庫和工具可以用于圖片的相似度比對,文中通過代碼介紹的非常詳細,需要的朋友可以參考下
    2023-09-09
  • python實現(xiàn)函數(shù)極小值

    python實現(xiàn)函數(shù)極小值

    今天小編就為大家分享一篇python實現(xiàn)函數(shù)極小值,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2019-07-07

最新評論

德安县| 汾阳市| 遂平县| 江川县| 石首市| 缙云县| 正安县| 都昌县| 泗洪县| 岑巩县| 土默特左旗| 庆阳市| 永年县| 和平区| 兴化市| 大竹县| 深州市| 柳河县| 开封市| 章丘市| 南川市| 四平市| 酒泉市| 隆子县| 大石桥市| 钦州市| 兴隆县| 达孜县| 晋江市| 东安县| 甘谷县| 延边| 阿尔山市| 武强县| 丽江市| 马龙县| 宾阳县| 鲁山县| 溆浦县| 大安市| 刚察县|