【python】爬虫:案例--多线程下载百度贴吧图片

【必须写在前面】:还为自己单身找理由吗?
【💬】:当你学会了python爬虫技术之后,特别是看了本篇安利(案例)之后,审美提高了,乐趣转移了,就不再为单身而苦恼了😎


单线程实现:爬取百度“校花”贴吧的图片

文件 download.py

from queue import Queue
import threading
import requests

def down_file(url,type='content'):
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64; Trident/7.0; rv:11.0) like Gecko'
    }
    r = requests.get(url, headers=headers)
    if type == 'text':
        return r.text

    return r.content


class DownLoadExecutor(threading.Thread):
    def __init__(self):
        super().__init__()
        self.q = Queue(maxsize=50)
        # 图片保存目录
        self.save_dir = './xiaohua/'
        # 图片计数
        self.index = 0

    def put_task(self,urls):
        if isinstance(urls,list):
            for url in urls:
                self.q.put(url)
        else:
            self.q.put(urls)

    def run(self):
        while True:
            url = self.q.get()
            content = down_file(url)

            # 截取图片名称
            index = url.rfind('/')
            file_name = url[index+1:]
            save_file = self.save_dir + file_name
            with open(save_file,'wb+') as f:
                f.write(content)
                self.index += 1
                print(save_file + "下载成功,下载图片总数:" + str(self.index))

文件 xiaohua.py

import requests
from lxml import etree

from download import DownLoadExecutor, down_file

class XiaoHua:
    def __init__(self,init_url):
        self.init_url = init_url
        self.download_executor = DownLoadExecutor()

    def start(self):
        self.download_executor.start()
        self.download(self.init_url)


    def download(self,url):
        html_text = down_file(url,type='text')
        html = etree.HTML(html_text)
        img_urls = html.xpath("//a[contains(@class,'thumbnail')]/img/@bpic")
        self.download_executor.put_task(img_urls)

        # 获取下一页的连接
        next_page = html.xpath("//div[@id='frs_list_pager']/a[contains(@class,'next')]/@href")
        next_page = "http:" + next_page[0]
        self.download(next_page)


if __name__ == '__main__':
    x = XiaoHua("http://tieba.baidu.com/f?kw=校花&ie=utf-8")
    x.start()

多线程版本 :百度 “校花”贴吧 图片的爬取

文件: download_pool.py

import requests
from concurrent import futures
import threading


def down_file(url,type='content'):
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64; Trident/7.0; rv:11.0) like Gecko'
    }
    r = requests.get(url, headers=headers)
    if type == 'text':
        return r.text

    return r.content

class MultiTask:
    def __init__(self):
        self.task_executor = futures.ThreadPoolExecutor(3)
        self.index = 0
        self.save_dir = "./xiaohua/"
        self.lock = threading.Lock()

    def download_img(self,url):
        content = down_file(url)
        # 截取图片名称
        index = url.rfind('/')
        file_name = url[index + 1:]
        save_file = self.save_dir + file_name
        with open(save_file, 'wb+') as f:
            f.write(content)
            with self.lock:
                self.index += 1
            print(save_file + "下载成功,下载图片总数:" + str(self.index))

    def add_download_task(self,imgs):
        if isinstance(imgs,list):
            todo = []
            for url in imgs:
                # 提交任务
                print(url)
                future = self.task_executor.submit(self.download_img,url)
                future.result()
                # todo.append(future)

文件:xiaohua.py

import requests
from lxml import etree

from download_pool import MultiTask ,down_file

class XiaoHua:
    def __init__(self,init_url):
        self.init_url = init_url
        self.downloader = MultiTask()

    def start(self):
        self.download(self.init_url)


    def download(self,url):
        html_text = down_file(url,type='text')
        html = etree.HTML(html_text)
        img_urls = html.xpath("//a[contains(@class,'thumbnail')]/img/@bpic")
        self.downloader.add_download_task(img_urls)

        # 获取下一页的连接
        next_page = html.xpath("//div[@id='frs_list_pager']/a[contains(@class,'next')]/@href")
        print(next_page)
        next_page = "http:" + next_page[0]
        self.download(next_page)


if __name__ == '__main__':
    x = Xiao("http://tieba.baidu.com/f?kw=校花&ie=utf-8")
    x.start()
别误会,🙈🤦‍♂️🙈我不是那种人...
只是单纯🙈🐵🙈分享技术
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,816评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,729评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 158,300评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,780评论 1 285
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,890评论 6 385
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,084评论 1 291
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,151评论 3 410
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,912评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,355评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,666评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,809评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,504评论 4 334
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,150评论 3 317
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,882评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,121评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,628评论 2 362
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,724评论 2 351

推荐阅读更多精彩内容