python爬今日头条

最近在做给新闻分词。为了保证给文章贴的标签的准确度高，决定做一个标签库。但发现给新闻打标签网站就只有今日头条打的比较好，网易一般，其他根本不能看，决定写一个爬取今日头条文章标签的爬虫。
一：解析参数
今日头条的数据全部都是ajax异步加载的。谷歌浏览器按f12选择network点击XHR会得到如上图所示，上图请求的url中有如下几个参数会变化：
① category
② max_behot_time
③ max_behot_time_tmp
④ as
⑤ cp
⑥ _signature
其中只需要category，max_behot_time，_signature这个三个参数就可以获取到数据。这是我自己亲自试验过的。
category根据你请求不同的栏目会变化，比如你请求科技栏目category为news_tech：

请求热点栏目category为news_hot：

max_behot_time会动态变化最开始为0，下一次变化为这次请求到的json数据中max_behot_time的值：
当前max_behot_time请求的json数据中的max_behot_time的值为1544445969
第二次请求的max_behot_time为1544445969。
第三个参数为_signature，它是由一个很复杂的js代码生成的，这个js代码通过TAC.sign(max_behot_time)来生成，就是上面的那个参数max_behot_time的值：



仔细看哦，他们可不是一样的哦。

三个参数到此解析完毕：
接下来就是撸代码，只需复制粘贴，改动一点即可使用。
pacong.py

#coding:utf-8
from selenium import webdriver
from time import ctime,sleep
import threading
import requests
import time
import json
import sys
import random
import Two
reload(sys)
sys.setdefaultencoding('utf-8')
# 进入浏览器设置

def run(ajax):
    name = "word-{a}-".format(a=ajax) + time.strftime("%Y-%m-%d") + ".txt"
    print name