首頁 > 軟體

Python實現多執行緒爬表情包詳解

2021-11-25 19:01:13

課程亮點

系統分析目標網頁

html標籤資料解析方法

海量圖片資料一鍵儲存

環境介紹

python 3.8

pycharm

模組使用

requests >>> pip install requests

parsel >>> pip install parsel

time 時間模組 記錄執行時間

流程

一. 分析我們想要的資料內容 是可以從哪裡獲取

表情包 >>> 圖片url地址 以及 圖片名字

對於開發者工具的使用 >>>

二. 程式碼實現步驟

1.傳送請求

確定一下傳送請求 url地址

請求方式是什麼 get請求方式 post請求方式

請求頭引數 : 防盜鏈 cookie …

2.獲取資料

獲取伺服器返回的資料內容

response.text 獲取文字資料

response.json() 獲取json字典資料

response.content 獲取二進位制資料 儲存圖片/音訊/視訊/特定格式檔案內容 都是獲取二進位制資料內容

3.解析資料

提取我們想要的資料內容

I. 可以直接解析處理

II. json字典資料 鍵值對取值

III. re正規表示式

IV. css選擇器

V. xpath

4.儲存資料

文字

csv

資料庫

本地資料夾

匯入模組

import requests  # 資料請求模組 第三方模組 pip install requests
import parsel  # 資料解析模組 第三方模組 pip install parsel
import re  # 正規表示式模組
import time  # 時間模組
import concurrent.futures

單執行緒爬取10頁資料

1. 傳送請求

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 物件 200狀態碼 表示請求成功

2. 獲取資料, 獲取文字資料 / 網頁原始碼

# 在開發者工具上面 元素面板 看到有相應標籤資料, 但是我傳送請求之後 沒有這樣的資料返回
# 我們要提取資料, 要根據伺服器返回資料內容
# xpath 解析方法 parsel 解析模組  parsel這個模組裡面就可以呼叫xpath解析方法
# print(response.text)

3. 解析資料

# 解析速度 bs4 解析速度會慢一些 如果你想要對於字串資料內容 直接取值 只能正規表示式
     selector = parsel.Selector(response.text) # 把獲取下來html字串資料內容 轉成 selector 物件
     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 提取裡面元素 一一提取出來
# 提取列表元素 for迴圈 遍歷
     for title, img_url in zip(title_list, img_list):

4. 儲存資料

# split() 字串分割的方法 根據列表索引位置取值
# img_name_1 = img_url[-3:] # 通過字串資料 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() 字串分割的方法 根據列表索引位置取值
         img_content = requests.get(url=img_url).content # 獲取圖片的二進位制資料內容
         with open('img\' + title + '.' + img_name, mode='wb') as f:
             f.write(img_content)
         print(title)

多執行緒爬取10頁資料

def get_response(html_url):
    """傳送請求"""
    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字串資料內容 轉成 selector 物件
    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):
    """儲存資料"""
    title = re.sub(r'[/:*?"<>|n]', '_', title)
    # 名字太長 報錯
    img_name = img_url.split('.')[-1]  # 通過split() 字串分割的方法 根據列表索引位置取值
    img_content = requests.get(url=img_url).content  # 獲取圖片的二進位制資料內容
    with open('img\' + title + '.' + img_name, mode='wb') as f:
        f.write(img_content)
    print(title)

多程序爬取10頁資料

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. 傳送請求
        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('程式耗時: ', use_time)

單執行緒爬取10頁資料 61秒時間

多執行緒爬取10頁資料 19秒時間 >>> 13

多程序爬取10頁資料 21秒時間 >>> 18

到此這篇關於Python實現多執行緒爬表情包詳解的文章就介紹到這了,更多相關Python 多執行緒爬表情包內容請搜尋it145.com以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援it145.com!


IT145.com E-mail:sddin#qq.com