今天采取多线程的方式爬取下载某图片网站的图片,利用的是线程池的方式实现(ThreadPoolExecutor)。
总体爬取思路如下:
1.对网站进行请求(requests的get方式,请求头headers建议写全,这样能够防止”防盗链图片“的出现导致你无法进行后续步骤)
2.用Beautifulsoup进行解析,此处我将”图片封面所对应的网站“放在列表里,以便后续对该图片封面的图集进行下载,然后返回(return)”存放网站的列表“
3.将第2步的返回(return)”存放网站的列表“进行进一步解析,用for循环遍历列表里面的每一个网站,然后用Beautifulsoup进行解析并获得对应的图片总数和图片地址,同样的将所有图片地址放入到一个列表里,以便后续调用。
4.将存放图片地址的列表用for循环进行遍历,用with open的方式下载对应地址的图片到指定位置中。
笔者主要是在第3步和第4步采取了多线程的方式,前面两步对整体爬取速率影响不大。
后续的改进方向
建立一个ip池进行爬取,目前设计的爬虫程序容易被封ip
python源码
python的多线程爬取下载图片-Python文档类资源-CSDN下载