欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

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

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 3.6
  • Pycharm
import requests
import parsel
import threading

相关模块 pip 安装即可

目标网页分析

Python多线程爬取网站数据,它究竟有多快
这个网站有电脑壁纸也有手机壁纸,还是不错的。
Python多线程爬取网站数据,它究竟有多快
网站是静态网站,没有加密,可以直接爬取
Python多线程爬取网站数据,它究竟有多快
Python多线程爬取网站数据,它究竟有多快

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
Python多线程爬取网站数据,它究竟有多快
Python多线程爬取网站数据,它究竟有多快
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