今日头条街拍图片爬取

 import os
        import requests
        from urllib.parse import urlencode
        from hashlib import md5
        from multiprocessing.pool import Pool
        GROUP_START = 1
        GROUP_END = 5
        #得到网页源代码
        def get_page(offset):
            params = {
                'offset': offset,
                'format': 'json',
                'keyword': '街拍',
                'autoload': 'true',
                'count': '20',
                'cur_tab': '3',
                'from': 'gallery',
            }
            url = 'https://www.toutiao.com/search_content/?' + urlencode(params)
            try:
                response = requests.get(url)
                if response.status_code == 200:
                    return response.json()
            except requests.ConnectionError:
                return None

        #得到图片
        def get_images(json):
            data = json.get('data')
            if data:
                for item in data:
                    # print(item)
                    image_list = item.get('image_list')
                    title = item.get('title')
                    # print(image_list)
                    if image_list:
                        for image in image_list:
                            yield {
                                'image': image.get('url'),
                                'title': title
                            }
                            
        #保存图片
        def save_image(item):
            if not os.path.exists(item.get('title')):
                os.mkdir(item.get('title'))
            try:
                local_image_url = item.get('image')
                new_image_url = local_image_url.replace('list','large')
                response = requests.get('http:' + new_image_url)
                if response.status_code == 200:
                #MD5 图片的名称使用其美容的MD5值,这样可以去重 
                    file_path = '{0}/{1}.{2}'.format(item.get('title'), md5(response.content).hexdigest(), 'jpg')
                    if not os.path.exists(file_path):
                        with open(file_path, 'wb')as f:
                            f.write(response.content)
                    else:
                        print('Already Downloaded', file_path)
            except requests.ConnectionError:
                print('Failed to save image')

       
        def main(offset):
            json = get_page(offset)
            for item in get_images(json):
                print(item)
                save_image(item)

        if __name__ == '__main__':
            GROUP_START = 0
            GROUP_END = 21
            pool = Pool()  #多进程线程池
            groups = ([x * 20 for x in range(GROUP_START, GROUP_END + 1)])
            pool.map(main, groups) #实现多进程下载
            pool.close()
            pool.join()