如何利用python多線程爬取天氣網(wǎng)站圖片并保存
1.1 題目
指定一個網(wǎng)站,爬取這個網(wǎng)站中的所有的所有圖片,例如中國氣象網(wǎng)(www.weather.com.cn),分別使用單線程和多線程的方式爬取。(限定爬取圖片數(shù)量為學號后3位)
輸出信息: 將下載的Url信息在控制臺輸出,并將下載的圖片存儲在images子文件中,并給出截圖。
1.2 思路
1.2.1 發(fā)送請求
構造請求頭
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)
發(fā)送請求
request = urllib.request.Request(url, headers=headers) r = urllib.request.urlopen(request)
1.2.2 解析網(wǎng)頁
頁面解析,并且替換回車,方便后續(xù)進行正則匹配圖片。
html = r.read().decode().replace('\n','')
1.2.3 獲取結點
使用正則匹配,先獲取所有的a標簽,然后爬取a標簽下面的所有圖片
urlList = re.findall('<a href="(.*?)" ',html,re.S)
獲取所有的圖片
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
這里的請求其實也是要用多線程爬取的,所有后續(xù)會補上!
1.2.4 數(shù)據(jù)保存 (單線程)
for i, img in enumerate(allImageList[:102]): print(f"正在保存第{i + 1}張圖片 路徑:{img}") resp = requests.get(img) with open(f'./image/{img.split("/")[-1]}', 'wb') as f: # 保存到這個image路徑下 f.write(resp.content)
1.2.4 數(shù)據(jù)保存 (多線程)
引入多進程模塊
import threading # 多線程 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
編寫下載函數(shù)
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"下載失敗: {name} {img_url} -> {e}") else: print(f"下載完成: {name} {img_url}")
就很隨機
總結
到此這篇關于如何利用python多線程爬取天氣網(wǎng)站圖片并保存的文章就介紹到這了,更多相關python爬取天氣網(wǎng)站圖片內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家!
相關文章
TensorFlow卷積神經(jīng)網(wǎng)絡MNIST數(shù)據(jù)集實現(xiàn)示例
這篇文章主要介紹了TensorFlow卷積神經(jīng)網(wǎng)絡MNIST數(shù)據(jù)集的實現(xiàn)示例的過程詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪2021-11-11python實現(xiàn)掃描局域網(wǎng)指定網(wǎng)段ip的方法
這篇文章主要介紹了python實現(xiàn)掃描局域網(wǎng)指定網(wǎng)段ip的方法,非常不錯,具有一定的參考借鑒價值,需要的朋友可以參考下2019-04-04Python識別快遞條形碼及Tesseract-OCR使用詳解
這篇文章主要介紹了Python識別快遞條形碼及Tesseract-OCR使用詳解,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2019-07-07python?Django實現(xiàn)增刪改查實戰(zhàn)代碼
這篇文章主要介紹了python?Django增刪改查快速體驗,本文通過實例代碼給大家介紹的非常詳細,對大家的學習或工作具有一定的參考借鑒價值,需要的朋友可以參考下2022-02-02Python?使用pip在windows命令行中安裝HDF?reader包的操作方法
HDF reader包是一個常用來將.mat類型數(shù)據(jù)導入到python在這里插入代碼片中使用的包,非常好用,今天介紹一下,如何在命令行中安裝這個包,需要的朋友可以參考下2022-12-12