今日頭條爬蟲分析-搜索

今天開始爬取今日頭條的第二個入口搜索佣蓉,搜索有四個tab分別為綜合,視頻亲雪,圖集勇凭,用戶。先來分析一下綜合的搜索接口
https://www.toutiao.com/search_content/?offset=0&format=json&keyword=%E7%A4%BE%E5%8C%BA%E6%96%B0%E9%9B%B6%E5%94%AE&autoload=true&count=20&cur_tab=1&from=search_tab
只需要傳遞keyword 搜索關(guān)鍵字即可匆光,無需進行其他處理套像,直接解析接口返回數(shù)據(jù),該接口返回的數(shù)據(jù)有點雜數(shù)據(jù)結(jié)構(gòu)不統(tǒng)一终息,有文章夺巩,用戶,微頭條周崭,問答柳譬,搜索推薦,其他關(guān)鍵字搜索推薦续镇,在做數(shù)據(jù)解析的時候要針對這集中數(shù)據(jù)結(jié)構(gòu)分別做處理美澳。老樣子直接上代碼:

    def get_search_article(self, keyword, offset=0):
        keyword = urllib.request.quote(keyword)
        req_url = "https://www.toutiao.com/search_content/?offset={}&format=json&keyword={}&autoload=true&count=20&cur_tab=1&from=search_tab".format(offset,keyword)
        headers = {
            'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36',
            'Connection': 'keep-alive',
            'authority': 'www.toutiao.com',
            'referer': "https://www.toutiao.com/search/?keyword={}".format(keyword),
            'method': 'GET',
            'path': "/search_content/?offset={}&format=json&keyword={}&autoload=true&count=20&cur_tab=1&from=search_tab".format(offset,keyword),
            'scheme': 'https'
        }
        self.s.headers.update(headers)
        req = self.s.get(req_url, proxies=get_proxy_ip())
        time.sleep(random.random() * 2 + 3)
        data = json.loads(req.text)
        items = data['data']
        if data['has_more'] == 1:
            self.page = self.page + 1
            offset = 20 * self.page
            self.parse_data(items)
            time.sleep(2)
            self.get_search_article(keyword, offset)
        else:
            self.parse_data(items)
            toutiaodb.save(self.search_item_list)

    def parse_data(self, items):
        for item in items:
            try:
                type = item['cell_type']
            except:
                type = 0

            if type == 37:    #微頭條
                pass
            elif type == 50:
                pass
            elif type == 66:
                pass
            elif type == 26:   #內(nèi)容推薦
                pass
            elif type == 20:   #搜索推薦
                pass
            elif type == 38:  #用戶
                pass
            else:
                titem = toutiaoitem()
                titem.user_id = item['user_id']
                try:
                    titem.source = item['source']
                except:
                    titem.source = item['name']
                titem.title = item['title']
                titem.source_url = item['article_url']
                titem.media_url = item['media_url']
                titem.item_id = item['item_id']
                titem.abstract = item['abstract']
                titem.comments_count = item['comments_count']
                titem.behot_time = item['behot_time']
                titem.image_url = item['image_url']
                titem.image_list = item['image_list']
                titem.tag = item['tag']
                if 'play_effective_count' in item:
                    titem.article_genre = 'vedio'
                    titem.read_count = item['play_effective_count']
                else:
                    titem.article_genre = 'article'
                self.search_item_list.append(titem)

源碼在:https://github.com/fywb251/toutiao-crawler

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子制跟,更是在濱河造成了極大的恐慌舅桩,老刑警劉巖,帶你破解...
    沈念sama閱讀 221,820評論 6 515
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件雨膨,死亡現(xiàn)場離奇詭異擂涛,居然都是意外死亡,警方通過查閱死者的電腦和手機聊记,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 94,648評論 3 399
  • 文/潘曉璐 我一進店門撒妈,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人排监,你說我怎么就攤上這事狰右。” “怎么了舆床?”我有些...
    開封第一講書人閱讀 168,324評論 0 360
  • 文/不壞的土叔 我叫張陵棋蚌,是天一觀的道長。 經(jīng)常有香客問我峭弟,道長附鸽,這世上最難降的妖魔是什么脱拼? 我笑而不...
    開封第一講書人閱讀 59,714評論 1 297
  • 正文 為了忘掉前任瞒瘸,我火速辦了婚禮,結(jié)果婚禮上熄浓,老公的妹妹穿的比我還像新娘情臭。我一直安慰自己,他們只是感情好赌蔑,可當(dāng)我...
    茶點故事閱讀 68,724評論 6 397
  • 文/花漫 我一把揭開白布俯在。 她就那樣靜靜地躺著,像睡著了一般娃惯。 火紅的嫁衣襯著肌膚如雪跷乐。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 52,328評論 1 310
  • 那天趾浅,我揣著相機與錄音愕提,去河邊找鬼。 笑死皿哨,一個胖子當(dāng)著我的面吹牛浅侨,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播证膨,決...
    沈念sama閱讀 40,897評論 3 421
  • 文/蒼蘭香墨 我猛地睜開眼如输,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起不见,我...
    開封第一講書人閱讀 39,804評論 0 276
  • 序言:老撾萬榮一對情侶失蹤澳化,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后稳吮,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體肆捕,經(jīng)...
    沈念sama閱讀 46,345評論 1 318
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 38,431評論 3 340
  • 正文 我和宋清朗相戀三年盖高,在試婚紗的時候發(fā)現(xiàn)自己被綠了慎陵。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 40,561評論 1 352
  • 序言:一個原本活蹦亂跳的男人離奇死亡喻奥,死狀恐怖席纽,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情撞蚕,我是刑警寧澤润梯,帶...
    沈念sama閱讀 36,238評論 5 350
  • 正文 年R本政府宣布,位于F島的核電站甥厦,受9級特大地震影響纺铭,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜刀疙,卻給世界環(huán)境...
    茶點故事閱讀 41,928評論 3 334
  • 文/蒙蒙 一舶赔、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧谦秧,春花似錦竟纳、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,417評論 0 24
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至集歇,卻和暖如春桶略,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背诲宇。 一陣腳步聲響...
    開封第一講書人閱讀 33,528評論 1 272
  • 我被黑心中介騙來泰國打工际歼, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人焕窝。 一個月前我還...
    沈念sama閱讀 48,983評論 3 376
  • 正文 我出身青樓蹬挺,卻偏偏與公主長得像,于是被迫代替她去往敵國和親它掂。 傳聞我的和親對象是個殘疾皇子巴帮,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 45,573評論 2 359

推薦閱讀更多精彩內(nèi)容