斗图网爬虫
import urllib
from urllib import request
# from lxml import etree
import os

import time
from lxml import etree
import requests
#导入线程 池模块
from multiprocessing.dummy import Pool as Treadpool

count=0 #变量对已经下载图片数量进行计数
root="G://doutuwang//"#图片保存的根目录文件夹

def get_url(page_url):
    html = requests.get(page_url)

    selector = etree.HTML(html.text)
    "//*[@id='pic-detail']/div/div[2]/div[2]/ul/li/div/div/a[5]/img/@data-original"
    img_div = selector.xpath("//*[@id='pic-detail']/div/div[2]/div[2]/ul/li/div/div")
    print(len(img_div))
    img_url=img_div[0].xpath("./a/img/@data-original")
    for i in img_url:
        # print(str(i))
        download_img(str(i))
    # print(img_url)
        # download_img(img_url)


#将图片保存到本地
def download_img(url):
    global count
    path=root+url.split("/")[-1]#图片的名称
    urllib.request.urlretrieve(url,filename=path)
    print("第",count,"张已经保存完毕!")
    count+=1
if __name__=='__main__':
    page_url_list=[]
    for i in range(1,20):
        page_url = 'http://www.doutula.com/photo/list/?page='+str(i)
        # get_url(page_url)
        page_url_list.append(page_url)
    #创建线程池
    pool=Treadpool(8)
    #线程开始时间
    start_time=time.clock()
    #线程映射
    pool.map(get_url,page_url_list)
    #线程池关闭
    pool.close()
    #主线程等待子线程
    pool.join()
    #线程结束时间
    end_time=time.clock()
    #计算爬去所用的总时间
    time_total=end_time-start_time
    print("总共耗时:",time_total,'s')

阅读更多
个人分类: Python
想对作者说点什么? 我来说一句

没有更多推荐了,返回首页

不良信息举报

斗图网爬虫

最多只允许输入30个字

加入CSDN,享受更精准的内容推荐,与500万程序员共同成长!
关闭
关闭