最近要好好学习爬虫了,于是先找了个图片爬虫练练手,本篇文章参考资料为崔庆才 的python3 网络爬虫实战,
但是今日头条最近把imagelist改了,所以废了一段功夫。发现头条的人把高清图片都藏在一个小角落里,我们要善用crif+f 来找到图片地址。方法都是大同小异。只不过发现json 比我们之前用的html方式提取信息要方便多了。最后提醒善用正则表达式呀!
废话不多直接上代码。
import requests import re,json,os from urllib.parse import urlencode from bs4 import BeautifulSoup from requests.exceptions import RequestException import pymongo from hashlib import md5 from multiprocessing import Pool def get_page_index(offset): params ={ 'offset':offset, 'format':'json', 'keyword':'街拍', 'autoload': 'true', 'count': '20', 'cur_tab': '1', 'from': 'search_tab', 'aid':'24' } t