相信各位学习爬虫的老铁们一定看过崔大佬的爬虫教学。在第六章利用Ajax爬取今日头条街拍图片这部分,由于网站已变更,会发现书中具体代码无法执行。本人作为爬虫新手,用了3小时时间自行摸索该部分,并对相应内容进行调整,最终【成功爬取】,在这里跟大家分享一下我踏过的各种大坑。
首先模块倒入
import requests
import urllib.parse
from urllib.parse import urlencode
import json
import os
from hashlib import md5
爬虫三步走,获取特面--分析页面--存储信息
首先,获取页面的函数设置。这里值得注意的是headers部分要添加cookies,内容不做赘述。
#需要添加cookies,不然尽管code=200,页面返回的内容也是登陆界面
headers = {
'Host': 'so.toutiao.com',
'Referer':'https://so.toutiao.com/search?keyword=%E8%A1%97%E6%8B%8D&pd=atlas&dvpf=pc&aid=4916&page_num=0&search_json=%7B%22from_search_id%22%3A%2220211007094012010150134167128A76C3%22%2C%22origin_keyword%22%3A%22%E8%A1%97%E6%8B%8D%22%2C%22image_keyword%22%3A%22%E8%A1%97%E6%8B%8D%22%7D&source=input',
&