Python如何后實現(xiàn)多線程爬表情包

本篇文章給大家分享的是有關(guān)Python然后實現(xiàn)多線程爬表情包，小編覺得挺實用的，因此分享給大家學習，希望大家閱讀完這篇文章后可以有所收獲，話不多說，跟著小編一起來看看吧。

課程亮點

系統(tǒng)分析目標網(wǎng)頁

html標簽數(shù)據(jù)解析方法

海量圖片數(shù)據(jù)一鍵保存

環(huán)境介紹

python 3.8

pycharm

模塊使用

requests >>> pip install requests

parsel >>> pip install parsel

time 時間模塊 記錄運行時間

流程

一. 分析我們想要的數(shù)據(jù)內(nèi)容 是可以從哪里獲取

表情包 >>> 圖片url地址 以及 圖片名字

對于開發(fā)者工具的使用 >>>

二. 代碼實現(xiàn)步驟

1.發(fā)送請求

確定一下發(fā)送請求 url地址

請求方式是什么 get請求方式 post請求方式

請求頭參數(shù) : 防盜鏈 cookie …

2.獲取數(shù)據(jù)

獲取服務器返回的數(shù)據(jù)內(nèi)容

response.text 獲取文本數(shù)據(jù)

response.json() 獲取json字典數(shù)據(jù)

response.content 獲取二進制數(shù)據(jù) 保存圖片/音頻/視頻/特定格式文件內(nèi)容 都是獲取二進制數(shù)據(jù)內(nèi)容

3.解析數(shù)據(jù)

提取我們想要的數(shù)據(jù)內(nèi)容

I. 可以直接解析處理

II. json字典數(shù)據(jù) 鍵值對取值

III. re正則表達式

IV. css選擇器

V. xpath

4.保存數(shù)據(jù)

文本

csv

數(shù)據(jù)庫

本地文件夾

導入模塊

import requests  # 數(shù)據(jù)請求模塊 第三方模塊 pip install requests
import parsel  # 數(shù)據(jù)解析模塊 第三方模塊 pip install parsel
import re  # 正則表達式模塊
import time  # 時間模塊
import concurrent.futures

單線程爬取10頁數(shù)據(jù)

1. 發(fā)送請求

start_time = time.time()

for page in range(1, 11):
    url = f'https://fabiaoqing.com/biaoqing/lists/page/{page}html'
     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'
     }
     response = requests.get(url=url, headers=headers)
     # <Response [200]> response 對象 200狀態(tài)碼 表示請求成功

2. 獲取數(shù)據(jù), 獲取文本數(shù)據(jù) / 網(wǎng)頁源代碼

# 在開發(fā)者工具上面 元素面板 看到有相應標簽數(shù)據(jù), 但是我發(fā)送請求之后 沒有這樣的數(shù)據(jù)返回
# 我們要提取數(shù)據(jù), 要根據(jù)服務器返回數(shù)據(jù)內(nèi)容
# xpath 解析方法 parsel 解析模塊  parsel這個模塊里面就可以調(diào)用xpath解析方法
# print(response.text)

3. 解析數(shù)據(jù)

# 解析速度 bs4 解析速度會慢一些 如果你想要對于字符串數(shù)據(jù)內(nèi)容 直接取值 只能正則表達式
     selector = parsel.Selector(response.text) # 把獲取下來html字符串數(shù)據(jù)內(nèi)容 轉(zhuǎn)成 selector 對象
     title_list = selector.css('.ui.image.lazy::attr(title)').getall()
     img_list = selector.css('.ui.image.lazy::attr(data-original)').getall()
# 把獲取下來的這兩個列表 提取里面元素 一一提取出來
# 提取列表元素 for循環(huán) 遍歷
     for title, img_url in zip(title_list, img_list):

4. 保存數(shù)據(jù)

# split() 字符串分割的方法 根據(jù)列表索引位置取值
# img_name_1 = img_url[-3:] # 通過字符串數(shù)據(jù) 進行切片
# 從左往右 索引位置 是從 0 開始 從右往左 是 -1開始
         # print(title, img_url)
         title = re.sub(r'[\/:*?"<>|\n]', '_', title)
         # 名字太長 報錯
         img_name = img_url.split('.')[-1]   # 通過split() 字符串分割的方法 根據(jù)列表索引位置取值
         img_content = requests.get(url=img_url).content # 獲取圖片的二進制數(shù)據(jù)內(nèi)容
         with open('img\\' + title + '.' + img_name, mode='wb') as f:
             f.write(img_content)
         print(title)

多線程爬取10頁數(shù)據(jù)

def get_response(html_url):
    """發(fā)送請求"""
    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'
    }
    response = requests.get(url=html_url, headers=headers)
    return response

def get_img_info(html_url):
    """獲取圖片url地址 以及 圖片名字"""
    response = get_response(html_url)
    selector = parsel.Selector(response.text)  # 把獲取下來html字符串數(shù)據(jù)內(nèi)容 轉(zhuǎn)成 selector 對象
    title_list = selector.css('.ui.image.lazy::attr(title)').getall()
    img_list = selector.css('.ui.image.lazy::attr(data-original)').getall()
    zip_data = zip(title_list, img_list)
    return zip_data

def save(title, img_url):
    """保存數(shù)據(jù)"""
    title = re.sub(r'[\/:*?"<>|\n]', '_', title)
    # 名字太長 報錯
    img_name = img_url.split('.')[-1]  # 通過split() 字符串分割的方法 根據(jù)列表索引位置取值
    img_content = requests.get(url=img_url).content  # 獲取圖片的二進制數(shù)據(jù)內(nèi)容
    with open('img\\' + title + '.' + img_name, mode='wb') as f:
        f.write(img_content)
    print(title)

多進程爬取10頁數(shù)據(jù)

def main(html_url):
    zip_data = get_img_info(html_url)
    for title, img_url in zip_data:
        save(title, img_url)

if __name__ == '__main__':
    start_time = time.time()
    exe = concurrent.futures.ThreadPoolExecutor(max_workers=10)
    for page in range(1, 11):
        # 1. 發(fā)送請求
        url = f'https://fabiaoqing.com/biaoqing/lists/page/{page}html'
        exe.submit(main, url)
    exe.shutdown()
    end_time = time.time()
    use_time = int(end_time - start_time)
    print('程序耗時: ', use_time)

以上就是Python然后實現(xiàn)多線程爬表情包，小編相信有部分知識點可能是我們?nèi)粘９ぷ鲿姷交蛴玫降?。希望你能通過這篇文章學到更多知識。更多詳情敬請關(guān)注億速云行業(yè)資訊頻道。