from threading import Thread from concurrent.futures import ThreadPoolExecutor from multiprocessing import Process, Queue import requests from lxml import etree from urllib import parse # 异常处理还未优化,后续补上 # 未解决问题1:这是爬取多个页面的当前所有图片,图片内部的还未处理 # 未解决问题2:当爬取页面过多时,会报错,原因还未找到,后续补上 headers = { "User-Agent": "Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/106.0.0.0 Mobile Safari/537.36", # 防盗链 : 朔源,当前本次请求的上一级是谁 "Referer": "https://xxx" } def get_img_src(q): urls = [] for i in range(1, 5): if i == 1: a = https://xxx/index.html else: a = f"https://xxx/{i}.html" urls.append(a) href_list_all = [] for i in urls: resp = requests.get(i, headers=headers) resp.encoding = 'utf-8' tree = etree.HTML(resp.text) href_list = tree.xpath("//div[@class='list-box-p']/ul/li/a/@href") href_list_all.append(href_list) for all_list in href_list_all: for href in all_list: child_resp = requests.get(href, headers=headers) child_resp.encoding = 'utf-8' child_tree = etree.HTML(child_resp.text) src = child_tree.xpath("//div[@class='img_box']/a/img/@src")[0] # 注意这里获取的是列表,需要取里面的下标为0的第一个元素值 q.put(src) # 循环向队列里装东西,后面好给下载用 print(f"---------------------------------------------------被塞进队列--------------------->{src}") q.put("已经没了") def download(src): print('开始下载------------>', src) name = src.split('/')[-1] with open("./image/" + name, mode='wb') as f: resp = requests.get(src, headers=headers) f.write(resp.content) print('下载完毕------------>', src) def download_img(q): with ThreadPoolExecutor(5) as t: while 1: src = q.get() # 从队列里拿东西,如果没数据就阻塞,一直等着有数据来 if src == "已经没了": break t.submit(download, src) if __name__ == '__main__': q = Queue() p1 = Process(target=get_img_src, args=(q,)) p2 = Process(target=download_img, args=(q,)) p1.start() p2.start()
当前位置:
首页 > temp > python入门教程 >
-
PYTHON爬取图片
PYTHON爬取图片
出处:https://www.cnblogs.com/mingdeng3000/p/16972305.html
最新更新
nodejs爬虫
Python正则表达式完全指南
爬取豆瓣Top250图书数据
shp 地图文件批量添加字段
爬虫小试牛刀(爬取学校通知公告)
【python基础】函数-初识函数
【python基础】函数-返回值
HTTP请求:requests模块基础使用必知必会
Python初学者友好丨详解参数传递类型
如何有效管理爬虫流量?
2个场景实例讲解GaussDB(DWS)基表统计信息估
常用的 SQL Server 关键字及其含义
动手分析SQL Server中的事务中使用的锁
openGauss内核分析:SQL by pass & 经典执行
一招教你如何高效批量导入与更新数据
天天写SQL,这些神奇的特性你知道吗?
openGauss内核分析:执行计划生成
[IM002]Navicat ODBC驱动器管理器 未发现数据
初入Sql Server 之 存储过程的简单使用
SQL Server -- 解决存储过程传入参数作为s
关于JS定时器的整理
JS中使用Promise.all控制所有的异步请求都完
js中字符串的方法
import-local执行流程与node模块路径解析流程
检测数据类型的四种方法
js中数组的方法,32种方法
前端操作方法
数据类型
window.localStorage.setItem 和 localStorage.setIte
如何完美解决前端数字计算精度丢失与数