当前位置 博文首页 > python 多线程爬取壁纸网站的示例

    python 多线程爬取壁纸网站的示例

    作者:Martina_oh 时间:2021-07-25 11:56

    目录
    • 基本开发环境
    • 需要导入的库
    • 目标网页分析
    • 整体思路:
    • 代码实现

    基本开发环境

    · Python 3.6

    · Pycharm

    需要导入的库

    目标网页分析

    网站是静态网站,没有加密,可以直接爬取

    整体思路:

    1、先在列表页面获取每张壁纸的详情页地址

    2、在壁纸详情页面获取壁纸真实高清url地址

    3、保存地址

    代码实现

    模拟浏览器请请求网页,获取网页数据

     

    这里只选择爬取前10页的数据

    代码如下

    import threading
    import parsel
    import requests
    
    def get_html(html_url):
     '''
     获取网页源代码
     :param html_url: 网页url
     :return:
     '''
     response = requests.get(url=html_url, headers=headers)
     return response
    
    
    def get_par(html_data):
     '''
     把 response.text 转换成 selector 对象 解析提取数据
     :param html_data: response.text
     :return: selector 对象
     '''
     selector = parsel.Selector(html_data)
     return selector
    
    def download(img_url, title):
     '''
     保存数据
     :param img_url: 图片地址
     :param title: 图片标题
     :return:
     '''
     content = get_html(img_url).content
     path = '壁纸\\' + title + '.jpg'
     with open(path, mode='wb') as f:
      f.write(content)
      print('正在保存', title)
    
    def main(url):
     '''
     主函数
     :param url: 列表页面 url
     :return:
     '''
     html_data = get_html(url).text
     selector = get_par(html_data)
     lis = selector.css('.wb_listbox div dl dd a::attr(href)').getall()
     for li in lis:
      img_data = get_html(li).text
      img_selector = get_par(img_data)
      img_url = img_selector.css('.wb_showpic_main img::attr(src)').get()
      title = img_selector.css('.wb_pictitle::text').get().strip()
      download(img_url, title)
     end_time = time.time() - s_time
     print(end_time)
    
    if __name__ == '__main__':
     for page in range(1, 11):
      url = 'http://www.deskbizhi.com/min/list-{}.html'.format(page)
      main_thread = threading.Thread(target=main, args=(url,))
      main_thread.start()
    jsjbwy
    下一篇:没有了