Python多线程爬取表情包，1秒下载五十张表情包

本文链接：https://blog.csdn.net/fei347795790/article/details/102996992

前言

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,版权归原作者所有,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

从 QQ 到微信，表情包一直都是中国互联网用户的「心头好」，时至今日，甚至发展到了「无表情包不聊天」的地步。

无论是正事儿还是闲侃，表情包都必不可少。聊天到一半发现表情包不够用怎么办？今天正心老师带你彻底解决这个问题！

知识点：

requests
css选择器

开发环境：

版本：anaconda5.2.0（python3.6.5）
编辑器：pycharm

第三方库：

requests
parsel

进行网页分析

目标站点
在这里插入图片描述

开发者工具的使用
- network
- element

`concurrent.futures`

Python3.2带来了 concurrent.futures 模块，这个模块具有线程池和进程池、管理并行编程任务、处理非确定性的执行流程、进程/线程同步等功能。

此模块由以下部分组成：

concurrent.futures.Executor: 这是一个虚拟基类，提供了异步执行的方法。
submit(function, argument): 调度函数（可调用的对象）的执行，将 argument 作为参数传入。
map(function, argument): 将 argument 作为参数执行函数，以异步的方式。
shutdown(Wait=True): 发出让执行者释放所有资源的信号。
concurrent.futures.Future: 其中包括函数的异步执行。Future对象是submit任务（即带有参数的functions）到executor的实例。

Executor是抽象类，可以通过子类访问，即线程或进程的 ExecutorPools 。因为，线程或进程的实例是依赖于资源的任务，所以最好以“池”的形式将他们组织在一起，作为可以重用的launcher或executor。

使用线程池

线程池或进程池是用于在程序中优化和简化线程/进程的使用。通过池，你可以提交任务给executor。池由两部分组成，一部分是内部的队列，存放着待执行的任务；另一部分是一系列的进程或线程，用于执行这些任务。池的概念主要目的是为了重用：让线程或进程在生命周期内可以多次使用。它减少了创建创建线程和进程的开销，提高了程序性能。重用不是必须的规则，但它是程序员在应用中使用池的主要原因。

current.Futures 模块提供了两种 Executor 的子类，各自独立操作一个线程池和一个进程池。这两个子类分别是：

concurrent.futures.ThreadPoolExecutor(max_workers)
max_workers 参数表示最多有多少个worker并行执行任务。

下面的示例代码展示了线程池和进程池的功能。这里的任务是，给一个list number_list ，包含1到10。

通过有5个worker的线程池执行

线程池运行

然后，我们使用了 futures.ThreadPoolExecutor 模块的线程池跑了一次：:

if __name__ == "__main__":
    start_time_1 = time.time()
    with concurrent.futures.ThreadPoolExecutor(max_workers=5) as executor:
        for item in number_list:
            executor.submit(evaluate_item, item)
    print("线程池计算的时间：" + str(time.time() - start_time_1), "秒")

    # executor1 = concurrent.futures.ThreadPoolExecutor(max_workers=5)
    # for item in number_list:
    #     executor1.submit(evaluate_item, item)
    # executor1.shutdown()
    # print("线程池计算的时间：" + str(time.time() - start_time_1), "秒")

ThreadPoolExecutor 使用线程池中的一个线程执行给定的任务。池中一共有5个线程，每一个线程从池中取得一个任务然后执行它。当任务执行完成，再从池中拿到另一个任务。

当所有的任务执行完成后，打印出执行用的时间：

print("线程池计算的时间：" + str(time.time() - start_time_1), "秒")

最终实现效果

在这里插入图片描述

完整代码

# -*- coding: utf-8 -*-
import time
import os
import concurrent.futures

import requests
import parsel


"""图片保存文件夹"""
dir_name = 'images'
if not os.path.exists(dir_name):
    os.mkdir(dir_name)
    os.chdir(dir_name)
else:
    os.chdir(dir_name)


def get_img_urls(url):
    """下载图片"""
    response = requests.get(url)
    html = response.text
    # print(html)
    """解析网页中的内容"""
    sel = parsel.Selector(html)
    divs = sel.css('.tagbqppdiv')
    for div in divs:
        link = div.css('img.ui::attr(data-original)').extract_first()
        name = div.css('a::attr(title)').extract_first()
        yield link, name


def download_img(link: str, name: str):
    """下载并保存图片"""
    try:
        suffix = link.split('.')[-1]
        response = requests.get(link)
        with open(name + '.' + suffix, mode='wb') as f:
            f.write(response.content)
    except OSError:
        print('文件名非法')


def main():
    url = 'https://fabiaoqing.com/biaoqing/lists/page/2.html'
    links = get_img_urls(url)
    for link in links:
        download_img(*link)


if __name__ == '__main__':

    executor1 = concurrent.futures.ThreadPoolExecutor(max_workers=10)
    url = 'https://fabiaoqing.com/biaoqing/lists/page/{page}.html'
    links = get_img_urls(url)
    start_time = time.time()
    for link in links:
        executor1.submit(download_img, *link)
    executor1.shutdown()
    # main()
    print(time.time() - start_time)