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 -> Python爬取表情包 -> 正文阅读

[Python知识库]Python爬取表情包

Python爬取表情包

任务:爬取某斗图网站的223页表情包:

一、获取图片URL

  • 将url网址拼接成字符串在列表中并返回
url = "https://aidotu.com/search/0-0-0-1.html"

def getURLs():
    # 获取所有的url列表
    urls = []
    for i in range(223):
        url = "https://aidotu.com/search/0-0-0-" + str(i+1) + ".html"
        urls.append(url)
    return urls

二、发送请求获取图片数据并写入文件

import requests # 发送html请求
from fake_useragent import UserAgent # 反爬虫的工具包
from parsel import Selector
# 通过url进行解析并下载保存图片到指定目录
def download(url):
    headers = {
        # "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/97.0.4692.99 Safari/537.36"
        "User-Agent": UserAgent().random # 反爬虫生成的随机User-Agent
    }
    res = requests.get(url=url, headers=headers)
    # print(res.status_code)
    # res.encoding = "utf-8"
    # print(res.text)
    
    # 解析返回值
    select = Selector(res.text)
    result_list = select.xpath("//div[@class='layui-col-sm3 layui-col-xs6']")

    for i in result_list:
        # 获取图片
        img_url = i.xpath("./a/img/@src").extract_first()
        # print("https:" + img_url)
        # 获取图片名字
        img_title = i.xpath("./a/img/@alt").extract_first()
        # 字符串分割
        img_name = img_title + "." + img_url.split(".")[-1]
        img_data = requests.get("https:" + img_url, headers=headers).content
        # # 写入数据到文件中
        with open("/Users/yanzhuang/Downloads/img/" + img_name, "wb") as f:
            f.write(img_data)
        print(img_name + "===== 下载成功!")

三、线程池

  • 由于数据量较大,需要使用多线程来提高效率,本次任务采用线程池 ThreadPoolExecutor 来解决。
from concurrent.futures import ThreadPoolExecutor #线程池的包

if __name__ == "__main__":
    # 获取url列表
    urls = getURLs()
    # 创建最大线程为5的线程池
    pool = ThreadPoolExecutor(max_workers=8)
    # 遍历
    for url in urls:
        # 将任务提交给线程池
        pool.submit(download, url)
  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:2022-02-14 21:05:39  更:2022-02-14 21:07:03 
 
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 -2024/11/15 23:46:32-

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