今日头条爬取ajax请求。

网址：

https://www.toutiao.com/

搜索头条。

可以得到这个网址：

https://www.toutiao.com/search/?keyword=%E8%A1%97%E6%8B%8D

开发者工具查看：

我们在搜索中并没有发现上面的文字，那么我们可以初步判定，这个由Ajax加载，然后渲染出来的。此时切换到xhr过滤，可以看到确实是ajax请求。

观察请求的特点，发现只有offset是改变的，而且一次加20,。

我们可以用它来控制数据分页，然后把图片下载下来。代码如下：

import requests
import os
from urllib.parse import urlencode
from hashlib import md5
from multiprocessing.pool import Pool
from requests import codes

def get_page(offset):
    params = {
        "offset":offset,
        "format":"json",
        "keyword":"街拍",
        "autoload":"true",
        "count":"20",
        "cur_tab":"1",
        "from":"search_tab"
    }

    url = 'https://www.toutiao.com/search_content/?'+urlencode(params)
    try:
        response = requests.get(url)
        if response.status_code == 200:
            # print(url)
            return response.json()
    except requests.ConnectionError:
        return None

# get_page(0)

def get_images(json):
    if json.get('data'):
        for item in json.get('data'):
            if item.get('cell_type') is not None:
                continue
            title = item.get('title')
            images = item.get('image_list')
            for image in images:

                yield {
                    'title':title,
                    'image':'https:' + image.get('url'),
                }


def save_image(item):
    #os.path.sep    路径分隔符‘//’
    img_path = 'img' + os.path.sep + item.get('title')
    if not os.path.exists(img_path):
        os.makedirs(img_path)

    try:
        resp = requests.get(item.get('image'))
        # print(type(resp))
        if codes.ok == resp.status_code:
            file_path = img_path + os.path.sep + '{file_name}.{file_suffix}'.format(
                file_name=md5(resp.content).hexdigest(),#md5是一种加密算法获取图片的二进制数据，以二进制形式写入文件
                file_suffix='jpg')
            if not os.path.exists(file_path):
                with open(file_path,'wb')as f:
                    f.write(resp.content)
                    print('Downladed image path is %s' % file_path)
            else:
                print('Already Downloaded',file_path)
    except requests.ConnectionError:
        print('Failed to Save Image,item %s' % item)


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

GROUP = 0
GROUP_END = 2

if __name__ == '__main__':
    pool = Pool()
    groups = ([x*20 for x in range(GROUP,GROUP_END)])
    pool.map(main,groups)   #将groups一个个调出来传给main函数
    pool.close()
    pool.join()     #保证子进程结束后再向下执行 pool.join(1) 等待一秒