码迷,mamicode.com
首页 > 编程语言 > 详细

python3抓取异步百度瀑布流动态图片(二)get、json下载代码讲解

时间:2016-08-28 18:12:05      阅读:278      评论:0      收藏:0      [点我收藏+]

标签:

制作解析网址的get

 1 def gethtml(url,postdata):
 2 
 3     header = {User-Agent:
 4                 Mozilla/5.0 (Windows NT 10.0; WOW64; rv:46.0) Gecko/20100101 Firefox/46.0,
 5                 Referer:
 6                 http://image.baidu.com,
 7                 Host: image.baidu.com,
 8                 Accept: text/plain, */*; q=0.01,
 9                 Accept-Encoding:gzip, deflate,
10                 Accept-Language:zh-CN,zh;q=0.8,en-US;q=0.5,en;q=0.3,
11                 Connection:keep-alive}
12 
13     # 解析网页
14     html_bytes = requests.get(url, headers=header,params = postdata)
15 
16     return html_bytes

 

头部的央视请参考上一篇博文:

python3抓取异步百度瀑布流动态图片(一)查找post并伪装头方法

分析网址:

http://image.baidu.com/search/acjson?tn=resultjson_com&ipn=rj&ct=201326592&is=&fp=result&queryWord=gif&cl=2&lm=-1&ie=utf-8&oe=utf-8&adpicid=&st=-1&z=&ic=0&word=gif&s=&se=&tab=&width=&height=&face=0&istype=2&qc=&nc=1&fr=&pn=30&rn=30&gsm=1e&1472364207674=

分解为:

url = ‘http://image.baidu.com/search/acjson?‘ + postdata + lasturl

lasturl为时间戳,精确到后三位小数的时间戳,构造这个时间戳,后三位小数我就随机生成一个三位数了:

1 import time
2 import random
3 timerandom = random.randint(100,999)
4 nowtime = int(time.time())
5 lasturl = str(nowtime) + str(timerandom) + =

最后制作postdata:

 1 # 构造post
 2 postdata = {
 3     tn:resultjson_com,
 4     ipn:rj,
 5     ct:201326592,
 6     is:‘‘,
 7     fp:result,
 8     queryWord: keyword,
 9     cl: 2,
10     lm: -1,
11     ie: utf-8,
12     oe: utf-8,
13     adpicid: ‘‘,
14     st: -1,
15     z:‘‘,
16     ic: 0,
17     word: keyword,
18     s: ‘‘,
19     se: ‘‘,
20     tab: ‘‘,
21     width: ‘‘,
22     height: ‘‘,
23     face: 0,
24     istype: 2,
25     qc: ‘‘,
26     nc: 1,
27     fr: ‘‘,
28     pn: pn,
29     rn: 30,
30     gsm: 1e
31 }

其中页数pn和搜索关键字keywork为:

1 # 搜索的关键字
2 # keywork = input(‘请输入你要查找的关键字‘)
3 keyword = gif
4 
5 # 页数
6 # pn = int(input(‘你要抓取多少页:‘))
7 pn = 30

将得到的信息保存在本地,当所有都保存下来了再去下载图片:

1 # 解析网址
2 contents = gethtml(url,postdata)
3 
4 # 将文件以json的格式保存在json文件夹
5 file = open(../json/ + str(pn) + .json, wb)
6 file.write(contents.content)
7 file.close()

读取文件夹里面的所有文件:

 1 # 找出文件夹下所有xml后缀的文件
 2 def listfiles(rootdir, prefix=.xml):
 3     file = []
 4     for parent, dirnames, filenames in os.walk(rootdir):
 5         if parent == rootdir:
 6             for filename in filenames:
 7                 if filename.endswith(prefix):
 8                     file.append(rootdir + / + filename)
 9             return file
10         else:
11             pass

遍历json文件夹,读取里面的东西:

 1 # 找到json文件夹下的所有文件名字
 2 files = listfiles(../json/, .json)
 3 for filename in files:
 4     print(filename)
 5     # 读取json得到图片网址
 6     doc = open(filename, rb)
 7     # (‘UTF-8‘)(‘unicode_escape‘)(‘gbk‘,‘ignore‘)
 8     doccontent = doc.read().decode(utf-8, ignore)
 9     product = doccontent.replace( , ‘‘).replace(\n, ‘‘)
10     product = json.loads(product)

查询字典data:

# 得到字典data
onefile = product[‘data‘]

将字典里面的图片网址和图片名称放到数组里面:

技术分享

制作一个解析头来解析图片下载:

 1 def getimg(url):
 2 
 3     # 制作一个专家
 4     opener = urllib.request.build_opener()
 5 
 6     # 打开专家头部
 7     opener.addheaders = [(User-Agent,
 8                           Mozilla/5.0 (Windows NT 10.0; WOW64; rv:46.0) Gecko/20100101 Firefox/46.0),
 9                          (Referer,
10                           http://image.baidu.com),
11                          (Host, image.baidu.com)]
12     # 分配专家
13     urllib.request.install_opener(opener)
14 
15     # 解析img
16     html_img = urllib.request.urlopen(url)
17 
18     return html_img

最后将图片下载到本地的gif文件夹:

 1 for item in onefile:
 2     try:
 3         pic = getimg(item[thumbURL])
 4         # 保存地址和名称
 5         filenamep = ../gif/ + validateTitle(item[fromPageTitleEnc] + .gif)
 6         # 保存为gif
 7         filess = open(filenamep, wb)
 8         filess.write(pic.read())
 9         filess.close()
10 
11         # 每一次下载都暂停1-3秒
12         loadimg = random.randint(1, 3)
13         print(图片 + filenamep + 下载完成)
14         print(暂停 + loadimg + )
15         time.sleep(loadimg)
16 
17     except Exception as err:
18         print(err)
19         print(暂停 + loadimg + )
20         time.sleep(loadimg)
21         pass

得到效果如下:

技术分享

 

python3抓取异步百度瀑布流动态图片(二)get、json下载代码讲解

标签:

原文地址:http://www.cnblogs.com/TTyb/p/5814982.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!