欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python使用xpath實現(xiàn)圖片爬取

 更新時間:2020年09月16日 10:01:46   作者:lurkerzhang  
這篇文章主要介紹了Python使用xpath實現(xiàn)圖片爬取,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下

高性能異步爬蟲

目的:在爬蟲中使用異步實現(xiàn)高性能的數(shù)據(jù)爬取操作

異步爬蟲的方式:

- 多線程、多進程(不建議):

好處:可以為相關(guān)阻塞的操作單獨開啟多線程或進程,阻塞操作就可以異步執(zhí)行;

弊端:無法無限制的開啟多線程或多進程。

- 線程池、進程池(適當(dāng)?shù)氖褂茫?br />

好處:我們可以降低系統(tǒng)對進程或線程創(chuàng)建和銷毀的一個頻率,從而很好的降低系統(tǒng)的開銷;

弊端:池中線程或進程的數(shù)據(jù)是有上限的。

代碼如下

# _*_ coding:utf-8 _*_
"""
@FileName  :6.4k圖片解析爬?。ó惒礁咝阅軠y試).py
@CreateTime :2020/8/14 0014 10:01
@Author   : Lurker Zhang
@E-mail   : 289735192@qq.com
@Desc.   :
"""

import requests
from lxml import etree
from setting.config import *
import json
import os
import time
from multiprocessing.dummy import Pool


def main():
  # 圖片采集源地址
  # source_url = 'http://pic.netbian.com/4kmeinv/'
  # temp_url = 'http://pic.netbian.com/4kmeinv/index_{}.html'
  # source_url = 'http://pic.netbian.com/4kdongman/'
  # temp_url = 'http://pic.netbian.com/4kdongman/index_{}.html'
  source_url = 'http://pic.netbian.com/4kmingxing/'
  temp_url = 'http://pic.netbian.com/4kmingxing/index_{}.html'
  # 本此采集前多少頁,大于1的整數(shù)
  page_sum = 136
  all_pic_list_url = []
  if page_sum == 1:
    pic_list_url = source_url
    print('開始下載:' + pic_list_url)
    all_pic_list_url.append(pic_list_url)
  else:
    # 先采集第一頁
    pic_list_url = source_url
    # 調(diào)用采集單頁圖片鏈接的函數(shù)
    all_pic_list_url.append(pic_list_url)
    # 再采集第二頁開始后面的頁數(shù)
    for page_num in range(2, page_sum + 1):
      pic_list_url = temp_url.format(page_num)
      all_pic_list_url.append(pic_list_url)
  # 單頁圖片多線程解析
  pool1 = Pool(10)
  pool1.map(down_pic, all_pic_list_url)

  print('采集完成,本地成功下載{0}張圖片,失敗{1}張圖片。'.format(total_success, total_fail))
  # 存儲已下載文件名列表:
  with open("../depository/mingxing/pic_name_list.json", 'w', encoding='utf-8') as fp:
    json.dump(pic_name_list, fp)


def down_pic(pic_list_url):
  print("準(zhǔn)備解析圖片列表頁:",pic_list_url)
  # 獲取圖片列表頁的網(wǎng)頁數(shù)據(jù)
  pic_list_page_text = requests.get(url=pic_list_url, headers=headers).text
  tree_1 = etree.HTML(pic_list_page_text)
  # 獲取圖片地址列表
  pic_show_url_list = tree_1.xpath('//div[@class="slist"]/ul//a/@href')
  pic_url_list = [get_pic_url('http://pic.netbian.com' + pic_show_url) for pic_show_url in pic_show_url_list]

  # 開始下載并保存圖片(多線程)
  pool2 = Pool(5)
  pool2.map(save_pic, pic_url_list)


def save_pic(pic_url):
  print("準(zhǔn)備下載圖片:",pic_url)
  global total_success, total_fail, pic_name_list,path
  picname = get_pic_name(pic_url)
  if not picname in pic_name_list:
    # 獲取日期作為保存位置文件夾

    pic = requests.get(url=pic_url, headers=headers).content
    try:
      with open(path + picname, 'wb') as fp:
        fp.write(pic)
    except IOError:
      print(picname + "保存失敗")
      total_fail += 1
    else:
      pic_name_list.append(picname)
      total_success += 1
      print("成功保存圖片:{0},共成功采集{1}張。".format(picname, total_success))

  else:
    print("跳過,已下載過圖片:" + picname)
    total_fail += 1


def get_pic_name(pic_url):
  return pic_url.split('/')[-1]


def get_pic_url(pic_show_url):
  tree = etree.HTML(requests.get(url=pic_show_url, headers=headers).text)
  return 'http://pic.netbian.com/' + tree.xpath('//div[@class="photo-pic"]/a/img/@src')[0]


if __name__ == '__main__':
  # 讀入已采集圖片的名稱庫,名稱存在重復(fù)的表示已經(jīng)采集過將跳過不采集
  if not os.path.exists('../depository/mingxing/pic_name_list.json'):
    with open("../depository/mingxing/pic_name_list.json", 'w', encoding="utf-8") as fp:
      json.dump([], fp)
  with open("../depository/mingxing/pic_name_list.json", "r", encoding="utf-8") as fp:
    pic_name_list = json.load(fp)
  path = '../depository/mingxing/' + time.strftime('%Y%m%d', time.localtime()) + '/'
  if not os.path.exists(path):
    os.mkdir(path)
  # 記錄本次采集圖片的數(shù)量
  total_success = 0
  total_fail = 0
  main()

以上就是本文的全部內(nèi)容,希望對大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。

相關(guān)文章

  • 詳解Python中Sync與Async執(zhí)行速度快慢對比

    詳解Python中Sync與Async執(zhí)行速度快慢對比

    Python新的版本中支持了async/await語法, 很多文章都在說這種語法的實現(xiàn)代碼會變得很快, 但是這種快是有場景限制的。這篇文章將嘗試簡單的解釋為何Async的代碼在某些場景比Sync的代碼快
    2023-03-03
  • Python中使用SAX解析xml實例

    Python中使用SAX解析xml實例

    這篇文章主要介紹了Python中使用SAX解析xml實例,利用SAX解析XML文檔牽涉到兩個部分:解析器和事件處理器,需要的朋友可以參考下
    2014-11-11
  • 利用python獲取Ping結(jié)果示例代碼

    利用python獲取Ping結(jié)果示例代碼

    這篇文章主要給大家介紹了關(guān)于利用python獲取Ping結(jié)果的相關(guān)資料,文中給出了詳細(xì)的示例代碼供大家參考學(xué)習(xí),對大家具有一定的參考價值,需要的朋友們下面跟著小編一起來學(xué)習(xí)學(xué)習(xí)吧。
    2017-07-07
  • Python實現(xiàn)的建造者模式示例

    Python實現(xiàn)的建造者模式示例

    這篇文章主要介紹了Python實現(xiàn)的建造者模式,結(jié)合完整實例形式分析了構(gòu)造者模式的具體定義與相關(guān)使用操作技巧,需要的朋友可以參考下
    2018-08-08
  • python OpenCV GrabCut使用實例解析

    python OpenCV GrabCut使用實例解析

    這篇文章主要介紹了python OpenCV GrabCut使用實例解析,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下
    2019-11-11
  • TensorFlow 模型載入方法匯總(小結(jié))

    TensorFlow 模型載入方法匯總(小結(jié))

    這篇文章主要介紹了TensorFlow 模型載入方法匯總(小結(jié)),小編覺得挺不錯的,現(xiàn)在分享給大家,也給大家做個參考。一起跟隨小編過來看看吧
    2018-06-06
  • Python函數(shù)可變參數(shù)定義及其參數(shù)傳遞方式實例詳解

    Python函數(shù)可變參數(shù)定義及其參數(shù)傳遞方式實例詳解

    這篇文章主要介紹了Python函數(shù)可變參數(shù)定義及其參數(shù)傳遞方式,以實例形式較為詳細(xì)的分析了Python函數(shù)參數(shù)的使用技巧,需要的朋友可以參考下
    2015-05-05
  • Python二叉搜索樹與雙向鏈表轉(zhuǎn)換實現(xiàn)方法

    Python二叉搜索樹與雙向鏈表轉(zhuǎn)換實現(xiàn)方法

    這篇文章主要介紹了Python二叉搜索樹與雙向鏈表轉(zhuǎn)換實現(xiàn)方法,涉及Python二叉搜索樹的定義、實現(xiàn)以及雙向鏈表的轉(zhuǎn)換技巧,需要的朋友可以參考下
    2016-04-04
  • python plotly繪制直方圖實例詳解

    python plotly繪制直方圖實例詳解

    這篇文章主要介紹了python plotly繪制直方圖實例詳解,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下
    2019-07-07
  • Python中tuple類型的使用

    Python中tuple類型的使用

    在Python中,元組(tuple)是一種不可變的序列類型,可以包含多個值,這些值可以是不同類型的,本文主要介紹了Python中tuple類型的使用,感興趣的可以了解一下
    2023-12-12

最新評論