多线程爬取图片

"""
多线程彭于晏
"""
import requests
from urllib import request
import os
import re
from queue import Queue
import threading
from urllib.parse import urlencode

class Procuder(threading.Thread):      #生产者
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.87 Safari/537.36',
        'X-Requested-With': 'XMLHttpRequest'
    }
    def __init__(self,page_queue,imag_queue,*args,**kwargs):        #初始化  两个队列
        super().__init__(*args,**kwargs)
        self.page_queue = page_queue
        self.imag_queue = imag_queue
    def run(self):
        while True:
            if self.page_queue.empty(): #判断 如果队列为空  就退出循环
                break
            url = self.page_queue.get()
            self.pares_page(url)


    def pares_page(self,url):

        response = requests.get(url,headers = self.headers)
        response.encoding = 'utf-8'
        if response.status_code == 200:
            response = response.json()

        data = response.get('data')
        if data:
            for item in data:
                image = item.get('hoverURL')
                name = item.get('fromPageTitleEnc')
                if image != None:
                    # name = re.sub(r'[\??\.,。\!\*()/>]', '', name)
                    reg = "[^0-9A-Za-z\u4e00-\u9fa5]"  # 使用删除字符串里的符号   ?!,。之类的   保留允许存在的命名的字符串
                    name = re.sub(reg, '', name)
                    suffix = os.path.splitext(image)[1]
                    filename = name + suffix
                    self.imag_queue.put((image, filename))     #将图片URL和名字放入队列(元组)

                    request.urlretrieve(image, 'images/' + filename)  # 下载保存
                    print(filename + '下载完成')
                else:
                    print('None')
        # html = etree.HTML(text)
        # imgs = html.xpath('//div[@class="page-content text-center"]//img[@class!="gif"]')


class Consumer(threading.Thread):

    def __init__(self,page_queue,imag_queue,*args,**kwargs):
        super().__init__(*args,**kwargs)
        self.page_queue = page_queue
        self.imag_queue = imag_queue
    def run(self):
        while True:
            if self.page_queue.empty() and self.imag_queue.empty():
                break
            image, filename = self.imag_queue.get()  # 将图片URL和名字从队列取出  元组的解开方式
            request.urlretrieve(image, 'images/' + filename)  # 下载保存
            print(filename + '下载完成')

def main():
    page_queue = Queue(200)  # 页面队列容量
    imag_queue = Queue(1000)  # 图片URL队列容量



    pn = 30
    for x in range(30):
        pn = pn*x
        data = {
            "tn": "resultjson_com",  # 这里不能有空格  否则会打印的是其他的网页源码
            "ipn": " rj",
            "ct": "201326592",
            "queryWord": "彭于晏图片",
            "ie": "utf-8",
            "oe": "utf-8",
            "adpicid": "",
            "copyright": "",
            "word": " 彭于晏图片",
            "pn": pn,
        }
        url = "https://image.baidu.com/search/acjson?" + urlencode(data)
        page_queue.put(url)
    for i in range(10):        #生产者线程
        t = Procuder(page_queue,imag_queue)
        t.start()
    for i in range(10):   #消费者线程
        t = Consumer(page_queue, imag_queue)
        t.start()



if __name__ == '__main__':

    main()
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 3
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值