福利~ 用异步爬虫快速爬取养眼美图

一、准备爬取

  • 这里我们选取的网站是彼岸图网:4K美女壁纸_高清4K美女图片_彼岸图网
  • 使用的爬虫工具包是asyncio、aiohttp异步请求包,还有xpath爬取方法
  • 同时需要os模块帮我们创建一个存储图片的的文件夹

二、页面分析

        当我们在切换彼岸图网的页面时,我们会发现,页面有两种请求,一种是第一页https://pic.netbian.com/4kmeinv/还有其他页https://pic.netbian.com/4kmeinv/index_2.html不同在于从第二页开始请求链接多了一个index,因此我们要写两种链接

        还有就是,分析页面结构,不难发现,图片链接与名称都是存储在一个ul>li模块里面,如图

用xpath方法很容易得到,得到后遍历请求就能得到所需结果

三、有关异步爬取

        这里我们用两个异步爬取的函数,一个是分页爬取,一个是一个页面图片的异步爬取,这样可以让我们的爬取速度达到最快,(大概4~5秒就可以获得所以页面的养眼美图)代码如下,相信学过asyncio、aiohttp异步爬取,很容易看懂代码。我们的图片文件就创建在当前py文件所在的文件夹下(文件夹会自动创建)

async def request(url):
    async with aiohttp.ClientSession() as session:
        # 异步爬取的请求
        async with await session.get(url=url, headers=headers) as response:
            page_text = await response.text()
            tree = etree.HTML(page_text)
            li_list = tree.xpath('//ul[@class="clearfix"]/li/a')
            for li in li_list:
                img_url = 'https://pic.netbian.com/' + li.xpath('./img/@src')[0]
                img_urls.append(img_url)


async def request_img(img_url):
    img_name = img_url.split('-')[-1]
    async with aiohttp.ClientSession() as session:
        async with await session.get(url=img_url, headers=headers) as response:
            img_res = await response.read()
            with open('./美图/' + img_name, 'wb') as fp:
                fp.write(img_res)
            print('done')

 四、完整代码

# -*- coding = utf-8 -*-
# @Time: 2021/12/12 10:03
# @Author: HYP
# @File: 03.aiohttp.py
# @Software:PyCharm
import asyncio
import aiohttp
from lxml import etree
import os

if not os.path.exists('./美图'):
    os.mkdir('./美图')

headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/95.0.4638.54 Safari/537.36'
}

urls = ['https://pic.netbian.com/4kmeinv/']
other_url = 'https://pic.netbian.com/4kmeinv/index_{num}.html'
#这里是分页,你可以想爬多少页就爬多少页
for i in range(2, 3):
    new_other_url = other_url.format(num=i)
    urls.append(new_other_url)

img_urls = []


async def request(url):
    async with aiohttp.ClientSession() as session:
        # 异步爬取的请求
        async with await session.get(url=url, headers=headers) as response:
            page_text = await response.text()
            tree = etree.HTML(page_text)
            li_list = tree.xpath('//ul[@class="clearfix"]/li/a')
            for li in li_list:
                img_url = 'https://pic.netbian.com/' + li.xpath('./img/@src')[0]
                img_urls.append(img_url)


async def request_img(img_url):
    img_name = img_url.split('-')[-1]
    async with aiohttp.ClientSession() as session:
        async with await session.get(url=img_url, headers=headers) as response:
            img_res = await response.read()
            with open('./美图/' + img_name, 'wb') as fp:
                fp.write(img_res)
            print('done')

# 协程请求页面
tasks = []
for url in urls:
    c = request(url)
    task = asyncio.ensure_future(c)
    tasks.append(task)

loop = asyncio.get_event_loop()
loop.run_until_complete(asyncio.wait(tasks))

# 协程请求图片
tasks2 = []
for img_url in img_urls:
    c = request_img(img_url)
    task = asyncio.ensure_future(c)
    tasks2.append(task)

loop2 = asyncio.get_event_loop()
loop2.run_until_complete(asyncio.wait(tasks2))

五、注意事项

  • 如果一直请求网站可能会被封ip哦,现在有用的代理ip还比较不好找
  • 异步爬虫注意使用异步的方法
  • 1
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    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
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