街拍美图获取

街拍图片的获取。

在网上搜索到一个项目，获取头条的街拍美图，于是跟着一起写下了这些代码，代码的思路很简明，下一步是如何将这个项目应用到更多的场景：

---

全部代码如下，包括数据库MongoDB的操作。

代码块

from urllib.parse import urlencodeimport requestsfrom requests.exceptions import RequestExceptionimport jsonfrom bs4 import BeautifulSoupimport reimport lxmlfrom config import *import pymongoimport osfrom hashlib import md5from multiprocessing import Poolclient = pymongo.MongoClient(MONGO_URL,connect=False)db = client[MONGO_DB]def get_page_index(offset,keyword):  # offset来控制图集的下拉页出             项，keyword=街拍保证是街拍这一页    data = {            'offset': offset,            'format': 'json',            'keyword': keyword,            'autoload': 'true',            'count': '20',            'cur_tab': 3           }    url = 'http://www.toutiao.com/search_content/? ' + urlencode(data)      resonpse = requests.get(url)   # 这里得到是json格式数据，要在原网页上来看，要取出什么键值对    try:        if resonpse.status_code == 200:            return resonpse.text        return None    except RequestException :        print('请求索引页出错')        return Nonedef parse_page_index(html):   # 图集这一页需要得到article的URL，并且以列表形式返回。先得到的是json变量，然后取出里面data这个k值中包括 #article的这个信息    data = json.loads(html)       if data and 'data' in data.keys():  # 有data这个键值，并且data在这个一系列返回的keys()中        for item in data.get('data'):            yield item.get('article_url')def get_page_detail(url):    try:        resonpse = requests.get(url)        if  resonpse.status_code == 200:            return resonpse.text        return None    except RequestException :        print('请求详情页面出错')        return Nonedef parse_page_detail(html,url):    soup = BeautifulSoup(html,"lxml")    title = soup.select('title')[0].get_text()    print(title)    images_pattern = re.compile('var gallery = (.*?);',re.S)    result = re.search(images_pattern,html)    if result:        data = json.loads(result.group(1))        if data and 'sub_images' in data.keys():            sub_images = data.get('sub_images')            images = [item.get('url') for item in sub_images]            for image in images :                download_image(image)            return {'title':title,                    'url':url,                    'images':images                    }def save_to_mongo(result):    if db[MONGO_TABLE].insert(result):        print('存储到mongo_db成功',result)        return True    return Falsedef download_image(url):    # 把url传过来，下载这些图片    print('正在下载',url)    try:        resonpse = requests.get(url)        if  resonpse.status_code == 200:            save_image(resonpse.content)        return None    except RequestException :        print('下载出错',url)        return Nonedef save_image(content):   file_path =        '{0}/{1}.{2}'.format(os.getcwd(),         md5(content).hexdigest(),'jpg') # 匹配md5值以免重复下载                                                                                                                                                         if not os.path.exists(file_path):        with open(file_path,'wb') as f:            f.write(content)            f.close()def main(offset) :    html = get_page_index(offset,KEYWORD) #主函数中先调用 get_page_index()得到图集这个网页    for url in parse_page_index(html):        html= get_page_detail(url)        if html:            result = parse_page_detail(html,url)            if result :save_to_mongo(result)            #print(result)if __name__ == '__main__':    groups = [x*20 for x in range(GROUP_START,GROUP_END + 1)]    pool = Pool()#开启多进程    pool.map(main,groups)

另外：数据库代码如下：
MONGO_URL = ‘localhost’
MONGO_DB = ‘toutiao’
MONGO_TABLE = ‘街拍’
GROUP_START = 1
GROUP_END = 20
KEYWORD = ‘街拍’

最后欢迎一起交流……