python爬虫(2)- 爬取今日头条街拍美图

2024-02-06 06:59

本文主要是介绍python爬虫(2)- 爬取今日头条街拍美图,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

前言

有时候用requests抓取页面数据时,可能会和我们想要的不一样,也就是不会出现我们想要的数据,浏览器中可以看到,但是requests的结果没有这些数据,这是为什么呢?因为requests得到的是原始的文档,而真正的网页是经过JavaScript渲染得到的,这些数据可能是通过Ajax加载的,也可能是经过JavaScript加密的。
对于Ajax加载,其实是一种异步加载方式,原始页面加载完成后,网页会向服务器请求获取数据,也就是一个Ajax请求,之后再显示在页面上。遇到这种网页就需要分析网页的Ajax请求后的数据。

使用工具

python3.7(python3以上都可以)
pycharm IDE (笔者习惯使用pycharm,也可以使用其他的)
URL: https://www.toutiao.com/search/?keyword=街拍美图
json、requests库

知识准备

什么是Ajax请求

Ajax全称为Asynchronous JavaScript and XML,即异步的JavaScript和XML,如上所言,Ajax请求就是在网页加载完毕后再向服务器请求的数据,服务器会返回一个或者多个URL,里边携带这些数据,这些数据通常以JSON格式存在(后边会讲什么是JSON),通俗点讲,有时候网页会有下滑之类的选项,本来数据不会显示,鼠标下滑后就会出现新的数据而且不会刷新页面,这就是通过Ajax请求后显示的数据。

什么是JSON

json是一种数据存储格式,他以对象和数组的形式存在,所以很方便的调用

重点来了

想抓网页数据,想看看数据在哪,怎么定位,使用requests库对该网页的发送请求,但是发现结果没有想要的数据

import requestsurl = 'https://www.toutiao.com/search/?keyword=%E8%A1%97%E6%8B%8D%E7%BE%8E%E5%9B%BE'
header = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) ''AppleWebKit/537.36 (KHTML, like Gecko) ''Chrome/69.0.3486.0 Safari/537.36'}response = requests.get(url=url, headers=header)print(response.text)

于是我们想到了可能是Ajax请求,这里我用的Chrome查看的Ajax请求,如下
在这里插入图片描述
查看一下这些URL内的数据,可以看到,确实是存在我们想要的这些数据的
在这里插入图片描述
然后我们对这些数据逐一查看,没错了,就是这里,数据就存在这些URL里,通过观察这些URL,
https://www.toutiao.com/api/search/content/?aid=24&app_name=web_search&offset=40&format=json&keyword=街拍美图&autoload=true&count=20&en_qc=1&cur_tab=1&from=search_tab&pd=synthesis&timestamp=1554034911376
https://www.toutiao.com/api/search/content/?aid=24&app_name=web_search&offset=20&format=json&keyword=街拍美图&autoload=true&count=20&en_qc=1&cur_tab=1&from=search_tab&pd=synthesis&timestamp=1554034847622
不一样的地方只有两处,offset和timestamp,其中offset是有规律的增长,每次20,而timestamp是13位时间戳,用代码也可以获取到,接下来就好说了,找出存放图片的位置,然后,,,,下载!!!!!!

部分代码如下:

offset = 0
# 构造第一个URL
url = 'https://www.toutiao.com/api/search/content/?aid=24&app_name=web_search&offset={}&format=json&keyword=%E8%A1%97' \'%E6%8B%8D%E7%BE%8E%E5%9B%BE&autoload=true&count=20&en_qc=1&cur_tab=1&from=search_tab&pd=synth' \'esis&timestamp={}'.format(offset, int(round(time.time() * 1000)))
# int(round(time.time() * 1000)) 获取13位时间戳# 保存图片
for i in data:try:info = {'title': '', 'pic': []}  # 数据信息字典# 数据写成字典info['title'] = i['title']for k in i['image_list']:info['pic'].append(k)# 创建标题文件夹,首先判断存不存在if not os.path.exists(path + '\picture\{}'.format(info['title'])):os.mkdir(path + '\picture\{}'.format(info['title']))# 图片路径pic_file = path + '\picture\{}'.format(info['title'])# 下载图片for j in info['pic']:# print(j['url'])pic_2 = requests.get(j['url'])# 图片名字设为md5值,不会重复pic_path = path + '\picture\{}'.format(info['title']) + '\{}'.format(md5(pic_2.content).hexdigest()) + '.jpg'print(pic_path)if not os.path.exists(pic_path):with open(pic_path, 'wb') as f:f.write(pic_2.content)print(info['title'], 'is finished!')except:pass

结果如下:
在这里插入图片描述
在这里插入图片描述
过程写的很粗略,因为细节很多,源码放在GitHub上了,https://github.com/maotai1015/toutiao_jiepai

这篇关于python爬虫(2)- 爬取今日头条街拍美图的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/683501

相关文章

基于Python实现一个图片拆分工具

《基于Python实现一个图片拆分工具》这篇文章主要为大家详细介绍了如何基于Python实现一个图片拆分工具,可以根据需要的行数和列数进行拆分,感兴趣的小伙伴可以跟随小编一起学习一下... 简单介绍先自己选择输入的图片,默认是输出到项目文件夹中,可以自己选择其他的文件夹,选择需要拆分的行数和列数,可以通过

Python中反转字符串的常见方法小结

《Python中反转字符串的常见方法小结》在Python中,字符串对象没有内置的反转方法,然而,在实际开发中,我们经常会遇到需要反转字符串的场景,比如处理回文字符串、文本加密等,因此,掌握如何在Pyt... 目录python中反转字符串的方法技术背景实现步骤1. 使用切片2. 使用 reversed() 函

Python中将嵌套列表扁平化的多种实现方法

《Python中将嵌套列表扁平化的多种实现方法》在Python编程中,我们常常会遇到需要将嵌套列表(即列表中包含列表)转换为一个一维的扁平列表的需求,本文将给大家介绍了多种实现这一目标的方法,需要的朋... 目录python中将嵌套列表扁平化的方法技术背景实现步骤1. 使用嵌套列表推导式2. 使用itert

使用Docker构建Python Flask程序的详细教程

《使用Docker构建PythonFlask程序的详细教程》在当今的软件开发领域,容器化技术正变得越来越流行,而Docker无疑是其中的佼佼者,本文我们就来聊聊如何使用Docker构建一个简单的Py... 目录引言一、准备工作二、创建 Flask 应用程序三、创建 dockerfile四、构建 Docker

Python使用vllm处理多模态数据的预处理技巧

《Python使用vllm处理多模态数据的预处理技巧》本文深入探讨了在Python环境下使用vLLM处理多模态数据的预处理技巧,我们将从基础概念出发,详细讲解文本、图像、音频等多模态数据的预处理方法,... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核

Python使用pip工具实现包自动更新的多种方法

《Python使用pip工具实现包自动更新的多种方法》本文深入探讨了使用Python的pip工具实现包自动更新的各种方法和技术,我们将从基础概念开始,逐步介绍手动更新方法、自动化脚本编写、结合CI/C... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核

Conda与Python venv虚拟环境的区别与使用方法详解

《Conda与Pythonvenv虚拟环境的区别与使用方法详解》随着Python社区的成长,虚拟环境的概念和技术也在不断发展,:本文主要介绍Conda与Pythonvenv虚拟环境的区别与使用... 目录前言一、Conda 与 python venv 的核心区别1. Conda 的特点2. Python v

Python使用python-can实现合并BLF文件

《Python使用python-can实现合并BLF文件》python-can库是Python生态中专注于CAN总线通信与数据处理的强大工具,本文将使用python-can为BLF文件合并提供高效灵活... 目录一、python-can 库:CAN 数据处理的利器二、BLF 文件合并核心代码解析1. 基础合

Python使用OpenCV实现获取视频时长的小工具

《Python使用OpenCV实现获取视频时长的小工具》在处理视频数据时,获取视频的时长是一项常见且基础的需求,本文将详细介绍如何使用Python和OpenCV获取视频时长,并对每一行代码进行深入解析... 目录一、代码实现二、代码解析1. 导入 OpenCV 库2. 定义获取视频时长的函数3. 打开视频文

Python中你不知道的gzip高级用法分享

《Python中你不知道的gzip高级用法分享》在当今大数据时代,数据存储和传输成本已成为每个开发者必须考虑的问题,Python内置的gzip模块提供了一种简单高效的解决方案,下面小编就来和大家详细讲... 目录前言:为什么数据压缩如此重要1. gzip 模块基础介绍2. 基本压缩与解压缩操作2.1 压缩文