头条接口结构有部分变动-2018年8月1日

Switch-vov commented 6 years ago

下面是变动后的实现代码

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

def get_page(offset):
    params = {
        'offset': offset,
        'format': 'json',
        'keyword': '街拍',
        'autoload': 'true',
        'count': '20',
        'cur_tab': '1',
        'from': 'search_tab'
    }
    base_url = 'https://www.toutiao.com/search_content/?'
    url = base_url + urlencode(params)
    try:
        resp = requests.get(url)
        if codes.ok == resp.status_code:
            return resp.json()
    except requests.ConnectionError:
        return None

def get_images(json):
    if json.get('data'):
        data = json.get('data')
        for item in data:
            if item.get('cell_type') is not None:
                continue
            title = item.get('title')
            images = item.get('image_list')
            for image in images:
                yield {
                    'image': 'https:' + image.get('url'),
                    'title': title
                }

def save_image(item):
    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'))
        if codes.ok == resp.status_code:
            file_path = img_path + os.path.sep + '{file_name}.{file_suffix}'.format(
                file_name=md5(resp.content).hexdigest(),
                file_suffix='jpg')
            if not os.path.exists(file_path):
                with open(file_path, 'wb') as f:
                    f.write(resp.content)
                print('Downloaded 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_START = 0
GROUP_END = 7

if __name__ == '__main__':
    pool = Pool()
    groups = ([x * 20 for x in range(GROUP_START, GROUP_END + 1)])
    pool.map(main, groups)
    pool.close()
    pool.join()

guaiguaidashu commented 6 years ago

突然发现您写的书上分析Ajax爬头条街拍的内容和头条网站上的内容对不上，搞了好半天都没搞出来，还好来这看了一下，要不然我还以为我买到假书了呢！

Switch-vov commented 6 years ago

@guaiguaidashu 书上有部分案例，已经不能正确运行了，需要自行验证。

Germey commented 6 years ago

谢谢您的指正和贡献 @Switch-vov

FLyingLSJ commented 6 years ago

作者，你好，这个更新的程序也只能抓到部分图片

Switch-vov commented 6 years ago

@FLyingLSJ 这个我倒是没关注过，那时候测试爬了1000+张。可以加些log，看看。

YeeChe commented 6 years ago

作者您好！刚试着跑了您的代码，发现部分图片未下载全，如：街拍杭州：长得好看的女孩，学会了时尚的穿搭技巧，那就是女神！https://www.toutiao.com/a6594756719119696397/ 只抓到前四张图片。看了网页代码，image_list里只有前四张图的url，图5-6的链接没有在image_list里。