Python多线程爬取网站数据,它究竟有多快
程序员文章站
2022-04-07 13:57:55
前言本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。PS:如有需要Python学习资料的小伙伴可以加点击下方链接自行获取python免费学习资料以及群交流解答点击即可加入基本开发环境Python 3.6Pycharmimport requestsimport parselimport threading相关模块 pip 安装即可目标网页分析这个网站有电脑壁纸也有手机壁纸,还是不错的。网站是静态网站,没有加密,可以直接爬取...
前言
本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。
PS:如有需要Python学习资料的小伙伴可以加点击下方链接自行获取
基本开发环境
- Python 3.6
- Pycharm
import requests
import parsel
import threading
相关模块 pip 安装即可
目标网页分析
这个网站有电脑壁纸也有手机壁纸,还是不错的。
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地址
2、在壁纸详情页面获取壁纸真实高清url地址
3、保存壁纸
代码实现
模拟浏览器请求网页,获取网页数据
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
解析网页数据
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
保存数据
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)
主函数
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)
启动多线程运行代码
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()
这里只选择爬取前10页的数据
从运行截图和壁纸保存来看,5.5秒的时间,下载了215张图片,效率上面还是可以的,平均计算下来每秒钟下载40张图片。。。
可以自己去试试多线程爬取数据哈,效率还是非常高的
本文地址:https://blog.csdn.net/fei347795790/article/details/109905653
上一篇: JS扫雷小游戏
下一篇: 2015春节去厦门南普陀寺怎么样?