python爬虫图片加速,如何让爬虫提速？多线程爬虫一秒50图了解一下

前言

本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,如有问题请及时联系我们以作处理。

基本开发环境

Python 3.6

Pycharm

import requests

import parsel

import threading

123

相关模块 pip 安装即可

目标网页分析

这个网站有电脑壁纸也有手机壁纸，还是不错的。

网站是静态网站，没有加密，可以直接爬取

整体思路

1、先在列表页面获取每张壁纸的详情地址

2、在壁纸详情页面获取壁纸真实高清url地址

3、保存壁纸

代码实现

模拟浏览器请求网页，获取网页数据

def get_html(html_url):

'''

获取网页源代码

:param html_url: 网页url

:return:

'''

response = requests.get(url=html_url, headers=headers)

return response

解析网页数据

def get_par(html_data):

'''

把 response.text 转换成 selector 对象 解析提取数据

:param html_data: response.text

:return: selector 对象

'''

selector = parsel.Selector(html_data)

return selector

保存数据

def download(img_url, title):

'''

保存数据

:param img_url: 图片地址

:param title: 图片标题

:return:

'''

content = get_html(img_url).content

path = '壁纸\\' + title + '.jpg'

with open(path, mode='wb') as f:

f.write(content)

print('正在保存', title)

主函数

def main(url):

'''

主函数

:param url: 列表页面 url

:return:

'''

html_data = get_html(url).text

selector = get_par(html_data)

lis = selector.css('.wb_listbox div dl dd a::attr(href)').getall()

for li in lis:

img_data = get_html(li).text

img_selector = get_par(img_data)

img_url = img_selector.css('.wb_showpic_main img::attr(src)').get()

title = img_selector.css('.wb_pictitle::text').get().strip()

download(img_url, title)

end_time = time.time() - s_time

print(end_time)

启动多线程运行代码

if __name__ == '__main__':

for page in range(1, 11):

url = 'http://www.deskbizhi.com/min/list-{}.html'.format(page)

main_thread = threading.Thread(target=main, args=(url,))

main_thread.start()

这里只选择爬取前10页的数据

从运行截图和壁纸保存来看，5.5秒的时间，下载了215张图片，效率上面还是可以的，平均计算下来每秒钟下载40张图片。。。

可以自己去试试多线程爬取数据哈，效率还是非常高的

本文分享 CSDN - 松鼠爱吃饼干。

如有侵权，请联系 support@oschina.cn 删除。

本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。