如何利用python多线程爬取天气网站图片并保存_Python

1.1 题目

指定一个网站，爬取这个网站中的所有的所有图片，例如中国气象网（www.weather.com.cn），分别使用单线程和多线程的方式爬取。(限定爬取图片数量为学号后3位)

输出信息: 将下载的Url信息在控制台输出，并将下载的图片存储在images子文件中，并给出截图。

1.2 思路

1.2.1 发送请求

构造请求头

import requests,re
import urllib

headers = {
  'Connection': 'keep-alive',
  'Cache-Control': 'max-age=0',
  'Upgrade-Insecure-Requests': '1',
  'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.61 Safari/537.36',
  'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9',
  'Accept-Language': 'zh-CN,zh;q=0.9',
}

url = "http://www.weather.com.cn/"
request = urllib.request.Request(url, headers=headers)

发送请求

request = urllib.request.Request(url, headers=headers)
r = urllib.request.urlopen(request)

1.2.2 解析网页

页面解析，并且替换回车，方便后续进行正则匹配图片。

html = r.read().decode().replace('\n','')

如何利用python多线程爬取天气网站图片并保存

1.2.3 获取结点

使用正则匹配，先获取所有的a标签，然后爬取a标签下面的所有图片

urlList = re.findall('<a href="(.*?)" ',html,re.S)

获取所有的图片

allImageList = []
for k in urlList:
  try:
      request = urllib.request.Request(k, headers=headers)
      r = urllib.request.urlopen(request)
      html = r.read().decode().replace('\n','')
      imgList = re.findall(r'<img.*?src="(.*?)"', html, re.S)
      allImageList+=imgList
  except Exception as e:
      pass

这里的请求其实也是要用多线程爬取的，所有后续会补上！

1.2.4 数据保存 (单线程)

for i, img in enumerate(allImageList[:102]):
  print(f"正在保存第{i + 1}张图片 路径:{img}")
  resp = requests.get(img)
  with open(f'./image/{img.split("/")[-1]}', 'wb') as f:  # 保存到这个image路径下
      f.write(resp.content)

如何利用python多线程爬取天气网站图片并保存

1.2.4 数据保存 (多线程)

引入多进程模块

import threading
# 多线程
def download_imgs(imgList,limit):
  threads = []
  T = [
      threading.Thread(target = download, args=(url,i))
      for i, url in enumerate(imgList[:limit + 1])
  ]
  for t in T:
      t.start()
      threads.append(t)
  return threads

编写下载函数

def download(img_url,name):
  resp = requests.get(img_url)
  try:
      resp = requests.get(img_url)
      with open(f'./images/{name}.jpg', 'wb') as f:
              f.write(resp.content)
  except Exception as e:
      print(f"下载失败: {name} {img_url} -> {e}")
  else:
      print(f"下载完成: {name} {img_url}")

就很随机

如何利用python多线程爬取天气网站图片并保存