欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

python自動(dòng)下載圖片的方法示例

 更新時(shí)間：2020年03月25日 14:40:33   作者：^_^影  
這篇文章主要介紹了python自動(dòng)下載圖片的方法示例，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧

近日閑來(lái)無(wú)事，總有一種無(wú)形的力量縈繞在朕身邊，讓朕精神渙散，昏昏欲睡。


可是，像朕這么有職業(yè)操守的社畜怎么能在上班期間睡瞌睡呢，我不禁陷入了沉思。。。。


突然旁邊的IOS同事問(wèn)：‘嘿，兄弟，我發(fā)現(xiàn)一個(gè)網(wǎng)站的圖片很有意思啊，能不能幫我保存下來(lái)提升我的開(kāi)發(fā)靈感？'
作為一個(gè)堅(jiān)強(qiáng)的社畜怎么能說(shuō)自己不行呢，當(dāng)時(shí)朕就不假思索的答應(yīng)：‘oh， It's simple. Wait for me a few minute.'


點(diǎn)開(kāi)同事給的圖片網(wǎng)站，

網(wǎng)站大概長(zhǎng)這樣：


在朕翻看了幾十頁(yè)之后，朕突然覺(jué)得有點(diǎn)上頭。心中一想'不對(duì)啊，朕不是來(lái)學(xué)習(xí)的嗎？可是看美女圖片這個(gè)事情怎么才可以和學(xué)習(xí)關(guān)聯(lián)起來(lái)呢‘


冥思苦想一番之后，突然腦中靈光一閃，'要不用python寫(xiě)個(gè)爬蟲(chóng)吧，將此網(wǎng)站的圖片一網(wǎng)打盡‘。


說(shuō)干就干，身體力行，要問(wèn)爬蟲(chóng)哪家強(qiáng)，‘人生苦短，我用python'。

首先找到我的電腦里面半年前下載的python安裝包，無(wú)情的點(diǎn)擊了安裝，環(huán)境裝好之后，略一分析網(wǎng)頁(yè)結(jié)構(gòu)。先擼一個(gè)簡(jiǎn)易版爬蟲(chóng)

#抓取愛(ài)小姐姐網(wǎng)圖片保存到本地
import requests
from lxml import etree as et
import os

#請(qǐng)求頭
headers = {
  #用戶代理 
  'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36'
}

#待抓取網(wǎng)頁(yè)基地址
base_url = ''
#保存圖片基本路徑
base_dir = 'D:/python/code/aixjj/'
#保存圖片
def savePic(pic_url):
  #如果目錄不存在，則新建
  if not os.path.exists(base_dir):
    os.makedirs(base_dir)
  
  arr = pic_url.split('/')
  file_name = base_dir+arr[-2]+arr[-1]
  print(file_name)
  #獲取圖片內(nèi)容
  response = requests.get(pic_url, headers = headers)
  #寫(xiě)入圖片
  with open(file_name,'wb') as fp:
    for data in response.iter_content(128):
      fp.write(data)

#觀察此網(wǎng)站總共只有62頁(yè)，所以循環(huán)62次
for k in range(1,63):
  #請(qǐng)求頁(yè)面地址
  url = base_url+str(k)
  response = requests.get(url = url, headers = headers)
  #請(qǐng)求狀態(tài)碼
  code = response.status_code
  if code == 200:
    html = et.HTML(response.text)
    #獲取頁(yè)面所有圖片地址
    r = html.xpath('//li/a/img/@src')
    #獲取下一頁(yè)url
    #t = html.xpath('//div[@class="page"]/a[@class="ch"]/@href')[-1]
    for pic_url in r:
      a = 'http:'+pic_url
      savePic(a)
  print('第%d頁(yè)圖片下載完成' % (k))

print('The End!')

嘗試運(yùn)行爬蟲(chóng)，嘿，沒(méi)想到行了：



過(guò)了一會(huì)兒，旁邊的哥們兒又來(lái)：‘嘿 bro 你這個(gè)可以是可以，就是速度太慢了啊，我的靈感會(huì)被長(zhǎng)時(shí)間的等待磨滅，你給改進(jìn)改進(jìn)？'


怎么提升爬蟲(chóng)的效率呢？略一思索，公司的電腦可是偉大的四核CPU啊，要不擼個(gè)多進(jìn)程版本試試。然后就產(chǎn)生了下面這個(gè)多進(jìn)程版本

#多進(jìn)程版——抓取愛(ài)小姐姐網(wǎng)圖片保存到本地

import requests
from lxml import etree as et
import os
import time
from multiprocessing import Pool

#請(qǐng)求頭
headers = {
  #用戶代理 
  'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36'
}

#待抓取網(wǎng)頁(yè)基地址
base_url = ''
#保存圖片基本路徑
base_dir = 'D:/python/code/aixjj1/'

#保存圖片
def savePic(pic_url):
  #如果目錄不存在，則新建
  if not os.path.exists(base_dir):
    os.makedirs(base_dir)
  
  arr = pic_url.split('/')
  file_name = base_dir+arr[-2]+arr[-1]
  print(file_name)
  #獲取圖片內(nèi)容
  response = requests.get(pic_url, headers = headers)
  #寫(xiě)入圖片
  with open(file_name,'wb') as fp:
    for data in response.iter_content(128):
      fp.write(data)

def geturl(url):
  #請(qǐng)求頁(yè)面地址
  #url = base_url+str(k)
  response = requests.get(url = url, headers = headers)
  #請(qǐng)求狀態(tài)碼
  code = response.status_code
  if code == 200:
    html = et.HTML(response.text)
    #獲取頁(yè)面所有圖片地址
    r = html.xpath('//li/a/img/@src')
    #獲取下一頁(yè)url
    #t = html.xpath('//div[@class="page"]/a[@class="ch"]/@href')[-1]
    for pic_url in r:
      a = 'http:'+pic_url
      savePic(a)

if __name__ == '__main__':
  #獲取要爬取的鏈接列表
  url_list = [base_url+format(i) for i in range(1,100)]
  a1 = time.time()
  #利用進(jìn)程池方式創(chuàng)建進(jìn)程，默認(rèn)創(chuàng)建進(jìn)程數(shù)量=電腦核數(shù)
  #自己定義進(jìn)程數(shù)量方式 pool = Pool(4)
  pool = Pool()
  pool.map(geturl,url_list)
  pool.close()
  pool.join()
  b1 = time.time()
  print('運(yùn)行時(shí)間：',b1-a1)

抱著試一試的心態(tài)，運(yùn)行了多進(jìn)程版本爬蟲(chóng)，嘿?zèng)]想到又行了，在朕偉大的四核CPU的加持下，爬蟲(chóng)速度提升了3~4倍。
又過(guò)了一會(huì)兒，那哥們兒又偏過(guò)頭來(lái)：‘你這個(gè)快是快了不少，但是還不是最理想的狀態(tài)，能不能一眨眼就能爬取百八十個(gè)圖片，畢竟我的靈感來(lái)的快去的也快'

我：‘…'
悄悄打開(kāi)Google，搜索如何提升爬蟲(chóng)效率，給出結(jié)論：

多進(jìn)程：密集CPU任務(wù)，需要充分使用多核CPU資源（服務(wù)器，大量的并行計(jì)算）的時(shí)候，用多進(jìn)程。
多線程：密集I/O任務(wù)（網(wǎng)絡(luò)I/O，磁盤(pán)I/O，數(shù)據(jù)庫(kù)I/O）使用多線程合適。

呵，我這可不就是I/O密集任務(wù)嗎，趕緊寫(xiě)一個(gè)多線程版爬蟲(chóng)先。于是，又誕生了第三款：

import threading # 導(dǎo)入threading模塊
from queue import Queue #導(dǎo)入queue模塊
import time #導(dǎo)入time模塊
import requests
import os
from lxml import etree as et

#請(qǐng)求頭
headers = {
  #用戶代理 
  'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36'
}
#待抓取網(wǎng)頁(yè)基地址
base_url = ''
#保存圖片基本路徑
base_dir = 'D:/python/code/aixjj/'

#保存圖片
def savePic(pic_url):
  #如果目錄不存在，則新建
  if not os.path.exists(base_dir):
    os.makedirs(base_dir)
  
  arr = pic_url.split('/')
  file_name = base_dir+arr[-2]+arr[-1]
  print(file_name)
  #獲取圖片內(nèi)容
  response = requests.get(pic_url, headers = headers)
  #寫(xiě)入圖片
  with open(file_name,'wb') as fp:
    for data in response.iter_content(128):
      fp.write(data)

# 爬取文章詳情頁(yè)
def get_detail_html(detail_url_list, id):
  while True:
    url = detail_url_list.get() #Queue隊(duì)列的get方法用于從隊(duì)列中提取元素
    response = requests.get(url = url, headers = headers)
    #請(qǐng)求狀態(tài)碼
    code = response.status_code
    if code == 200:
      html = et.HTML(response.text)
      #獲取頁(yè)面所有圖片地址
      r = html.xpath('//li/a/img/@src')
      #獲取下一頁(yè)url
      #t = html.xpath('//div[@class="page"]/a[@class="ch"]/@href')[-1]
      for pic_url in r:
        a = 'http:'+pic_url
        savePic(a)

# 爬取文章列表頁(yè)
def get_detail_url(queue):
  for i in range(1,100):
    #time.sleep(1) # 延時(shí)1s，模擬比爬取文章詳情要快
    #Queue隊(duì)列的put方法用于向Queue隊(duì)列中放置元素，由于Queue是先進(jìn)先出隊(duì)列，所以先被Put的URL也就會(huì)被先get出來(lái)。
    page_url = base_url+format(i)
    queue.put(page_url)
    print("put page url {id} end".format(id = page_url))#打印出得到了哪些文章的url

#主函數(shù)
if __name__ == "__main__":
  detail_url_queue = Queue(maxsize=1000) #用Queue構(gòu)造一個(gè)大小為1000的線程安全的先進(jìn)先出隊(duì)列
  #A線程負(fù)責(zé)抓取列表url
  thread = threading.Thread(target=get_detail_url, args=(detail_url_queue,)) 
  html_thread= []
  #另外創(chuàng)建三個(gè)線程負(fù)責(zé)抓取圖片
  for i in range(20):
    thread2 = threading.Thread(target=get_detail_html, args=(detail_url_queue,i))
    html_thread.append(thread2)#B C D 線程抓取文章詳情
  start_time = time.time()
  # 啟動(dòng)四個(gè)線程
  thread.start()
  for i in range(20):
    html_thread[i].start()
  # 等待所有線程結(jié)束，thread.join()函數(shù)代表子線程完成之前，其父進(jìn)程一直處于阻塞狀態(tài)。
  thread.join()
  for i in range(20):
    html_thread[i].join()
  print("last time: {} s".format(time.time()-start_time))#等ABCD四個(gè)線程都結(jié)束后，在主進(jìn)程中計(jì)算總爬取時(shí)間。

粗略測(cè)試一下，得出結(jié)論： ‘Oh my god，這也太快了吧'。
將多線程版本爬蟲(chóng)扔到同事QQ頭像的臉上，并附文：‘拿去，速滾'

到此這篇關(guān)于python自動(dòng)下載圖片的方法示例的文章就介紹到這了,更多相關(guān)python 自動(dòng)下載圖片內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

相關(guān)文章

最新評(píng)論