IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> Python知识库 -> 福利~ 用异步爬虫快速爬取养眼美图 -> 正文阅读

[Python知识库]福利~ 用异步爬虫快速爬取养眼美图

一、准备爬取

  • 这里我们选取的网站是彼岸图网:4K美女壁纸_高清4K美女图片_彼岸图网
  • 使用的爬虫工具包是asyncio、aiohttp异步请求包,还有xpath爬取方法
  • 同时需要os模块帮我们创建一个存储图片的的文件夹

二、页面分析

? ? ? ? 当我们在切换彼岸图网的页面时,我们会发现,页面有两种请求,一种是第一页https://pic.netbian.com/4kmeinv/还有其他页https://pic.netbian.com/4kmeinv/index_2.html不同在于从第二页开始请求链接多了一个index,因此我们要写两种链接

? ? ? ? 还有就是,分析页面结构,不难发现,图片链接与名称都是存储在一个ul>li模块里面,如图

用xpath方法很容易得到,得到后遍历请求就能得到所需结果

三、有关异步爬取

? ? ? ? 这里我们用两个异步爬取的函数,一个是分页爬取,一个是一个页面图片的异步爬取,这样可以让我们的爬取速度达到最快,(大概4~5秒就可以获得所以页面的养眼美图)代码如下,相信学过asyncio、aiohttp异步爬取,很容易看懂代码。我们的图片文件就创建在当前py文件所在的文件夹下(文件夹会自动创建)

async def request(url):
    async with aiohttp.ClientSession() as session:
        # 异步爬取的请求
        async with await session.get(url=url, headers=headers) as response:
            page_text = await response.text()
            tree = etree.HTML(page_text)
            li_list = tree.xpath('//ul[@class="clearfix"]/li/a')
            for li in li_list:
                img_url = 'https://pic.netbian.com/' + li.xpath('./img/@src')[0]
                img_urls.append(img_url)


async def request_img(img_url):
    img_name = img_url.split('-')[-1]
    async with aiohttp.ClientSession() as session:
        async with await session.get(url=img_url, headers=headers) as response:
            img_res = await response.read()
            with open('./美图/' + img_name, 'wb') as fp:
                fp.write(img_res)
            print('done')

?四、完整代码

# -*- coding = utf-8 -*-
# @Time: 2021/12/12 10:03
# @Author: HYP
# @File: 03.aiohttp.py
# @Software:PyCharm
import asyncio
import aiohttp
from lxml import etree
import os

if not os.path.exists('./美图'):
    os.mkdir('./美图')

headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/95.0.4638.54 Safari/537.36'
}

urls = ['https://pic.netbian.com/4kmeinv/']
other_url = 'https://pic.netbian.com/4kmeinv/index_{num}.html'
#这里是分页,你可以想爬多少页就爬多少页
for i in range(2, 3):
    new_other_url = other_url.format(num=i)
    urls.append(new_other_url)

img_urls = []


async def request(url):
    async with aiohttp.ClientSession() as session:
        # 异步爬取的请求
        async with await session.get(url=url, headers=headers) as response:
            page_text = await response.text()
            tree = etree.HTML(page_text)
            li_list = tree.xpath('//ul[@class="clearfix"]/li/a')
            for li in li_list:
                img_url = 'https://pic.netbian.com/' + li.xpath('./img/@src')[0]
                img_urls.append(img_url)


async def request_img(img_url):
    img_name = img_url.split('-')[-1]
    async with aiohttp.ClientSession() as session:
        async with await session.get(url=img_url, headers=headers) as response:
            img_res = await response.read()
            with open('./美图/' + img_name, 'wb') as fp:
                fp.write(img_res)
            print('done')

# 协程请求页面
tasks = []
for url in urls:
    c = request(url)
    task = asyncio.ensure_future(c)
    tasks.append(task)

loop = asyncio.get_event_loop()
loop.run_until_complete(asyncio.wait(tasks))

# 协程请求图片
tasks2 = []
for img_url in img_urls:
    c = request_img(img_url)
    task = asyncio.ensure_future(c)
    tasks2.append(task)

loop2 = asyncio.get_event_loop()
loop2.run_until_complete(asyncio.wait(tasks2))

五、注意事项

  • 如果一直请求网站可能会被封ip哦,现在有用的代理ip还比较不好找
  • 异步爬虫注意使用异步的方法
  Python知识库 最新文章
Python中String模块
【Python】 14-CVS文件操作
python的panda库读写文件
使用Nordic的nrf52840实现蓝牙DFU过程
【Python学习记录】numpy数组用法整理
Python学习笔记
python字符串和列表
python如何从txt文件中解析出有效的数据
Python编程从入门到实践自学/3.1-3.2
python变量
上一篇文章      下一篇文章      查看所有文章
加:2021-12-16 17:37:39  更:2021-12-16 17:39:13 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 -2024/11/16 5:24:41-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码