首页 > 编程语言 > 详细

python 采集斗图啦(多线程)

时间:2020-07-29 22:00:52      阅读:56      评论:0      收藏:0      [点我收藏+]
import concurrent
import requests;
from concurrent.futures import ThreadPoolExecutor
import os;
import parsel;

def send_request(url):
    header = {
        "user-agent":‘Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_5) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36‘
    }
    requests.packages.urllib3.disable_warnings()
    response = requests.get(url,headers=header)
    return response
def pare_data(data):
     selector = parsel.Selector(data)
     result_list = selector.xpath(‘//a[@class="col-xs-6 col-sm-3"]‘)
     for result in result_list:
        title = result.xpath(‘./img/@alt‘).get()
        src_url = result.xpath(‘./img/@data-original‘). get()

        all_title = title+‘.‘+src_url.split(‘.‘)[-1]
        yield all_title,src_url

def save_data(file_name,data):
    dir_name = ‘doutu_list‘
    if not os.path.exists(dir_name):
        os.mkdir(dir_name)
    with open(dir_name+‘/‘+file_name,‘wb‘) as f:
        f.write(data)
        print("保存完成:",file_name)


def main(page):
    for page in range(1,page+1):
        print(‘########################当前为第{}页########################‘.format(page))
        thread_pool = concurrent.futures.ThreadPoolExecutor(max_workers=1)
        res = send_request(‘https://www.doutula.com/photo/list/?page={}‘.format(str(page)))
        src_url = pare_data(res.text)
        for file,url in src_url:
            print(file)
            print(url)
            image_response = send_request(url)
            thread_pool.submit(save_data,file,image_response.content)
        thread_pool.shutdown()

if __name__==‘__main__‘:
    main(1)

高颜值后台管理系统免费使用 ### 子枫后台管理系统 ###,可在宝塔面板直接安装

欢迎关注我的公众号:子枫的奇妙世界,获得独家整理的学习资源和日常干货推送。
如果您对我的其他专题内容感兴趣,直达我的个人博客:www.wangmingchang.com

python 采集斗图啦(多线程)

原文:https://www.cnblogs.com/wmc1125/p/13399375.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!