python使用异步下载高清大图

这次我选择了去下载无版权高清图片，因为做自媒体的人很怕侵权，找无版权的图片仿佛成了日常工作，所以这次我选择了这个网站

 

https://unsplash.com/

 

 

那下面来看看使用异步以及不使用异步的差别？

 

 

(右边是使用异步的，左边是没有使用异步的，由于用于测试，所以选择下载12张图片即可)

 

可以看到，在使用异步之后运行的时间比不使用异步的程序少了差不多6倍的时间，是不是感觉到high了起来？那我们分析下怎样爬取吧。

 

1.找目标网页

 

这个网站首页就有一堆图片，而且往下拉时还会自动刷新，很明显是个ajax加载，但不怕，动态加载这东西我们之前讲过了，所以打开开发者工具看下是怎样的请求吧。

 

往下拉的时候很容易看到这个请求，这个是一个get请求，状态码为200，网址为https://unsplash.com/napi/photos?page=3&per_page=12&order_by=latest，有三个参数，很容易知道page参数就是页，这个参数是变化的，其他的参数都是不变的。

 

 

返回来的内容是个json类型，里面的links下的download就是我们图片下载的链接，现在所有东西都清楚了，那下面就是代码了。

 

2.代码部分

 

async def __get_content(self, link):
       async with aiohttp.ClientSession() as session:
           response = await session.get(link)
           content = await response.read()
           return content

 

这个是获取图片的内容的方法，aiohttpClientSession和requests.session的用法是差不多，只不过获取unicode编码的方法变成了read()。

 

下面是完整代码

 

import requests, os, time
import aiohttp, asyncio

class Spider(object):
   def __init__(self):
       self.headers = {
           'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36'}
       self.num = 1
       if '图片' not in os.listdir('.'):
           os.mkdir('图片')
       self.path = os.path.join(os.path.abspath('.'), '图片')
       os.chdir(self.path)  # 进入文件下载路径

   async def __get_content(self, link):
       async with aiohttp.ClientSession() as session:
           response = await session.get(link)
           content = await response.read()
           return content

   def __get_img_links(self, page):
       url = 'https://unsplash.com/napi/photos'
       data = {
           'page': page,
           'per_page': 12,
           'order_by': 'latest'
       }
       response = requests.get(url, params=data)
       if response.status_code == 200:
           return response.json()
       else:
           print('请求失败，状态码为%s' % response.status_code)

   async def __download_img(self, img):
       content = await self.__get_content(img[1])
       with open(img[0]+'.jpg', 'wb') as f:
           f.write(content)
       print('下载第%s张图片成功' % self.num)
       self.num += 1

   def run(self):
       start = time.time()
       for x in range(1, 101):  # 下载一百页的图片就可以了，或者自己更改页数
           links = self.__get_img_links(x)
           tasks = [asyncio.ensure_future(self.__download_img((link['id'], link['links']['download']))) for link in links]
           loop = asyncio.get_event_loop()
           loop.run_until_complete(asyncio.wait(tasks))
           if self.num >= 10:  # 测试速度使用，如需要下载多张图片可以注释这段代码
               break
       end = time.time()
       print('共运行了%s秒' % (end-start))

def main():
   spider = Spider()
   spider.run()

if __name__ == '__main__':
   main()

 

可以看到不到50行的代码就可以把整个网网站的图片下载下来了，不得不吹一下python的强大~~~