文章详情

短信预约-IT技能 免费直播动态提醒

请输入下面的图形验证码

提交验证

短信预约提醒成功

Python如何后实现多线程爬表情包

2023-06-21 20:48

关注

本篇文章给大家分享的是有关Python然后实现多线程爬表情包,小编觉得挺实用的,因此分享给大家学习,希望大家阅读完这篇文章后可以有所收获,话不多说,跟着小编一起来看看吧。

课程亮点

系统分析目标网页

html标签数据解析方法

海量图片数据一键保存

环境介绍

python 3.8

pycharm

模块使用

requests >>> pip install requests

parsel >>> pip install parsel

time 时间模块 记录运行时间

流程

一. 分析我们想要的数据内容 是可以从哪里获取

表情包 >>> 图片url地址 以及 图片名字

对于开发者工具的使用 >>>

二. 代码实现步骤

发送请求

确定一下发送请求 url地址

请求方式是什么 get请求方式 post请求方式

请求头参数 : 防盗链 cookie …

获取数据

获取服务器返回的数据内容

response.text 获取文本数据

response.json() 获取json字典数据

response.content 获取二进制数据 保存图片/音频/视频/特定格式文件内容 都是获取二进制数据内容

解析数据

提取我们想要的数据内容

I. 可以直接解析处理

II. json字典数据 键值对取值

III. re正则表达式

IV. css选择器

V. xpath

保存数据

文本

csv

数据库

本地文件夹

导入模块

import requests  # 数据请求模块 第三方模块 pip install requestsimport parsel  # 数据解析模块 第三方模块 pip install parselimport re  # 正则表达式模块import time  # 时间模块import concurrent.futures

单线程爬取10页数据

发送请求

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 对象 200状态码 表示请求成功

获取数据, 获取文本数据 / 网页源代码

# 在开发者工具上面 元素面板 看到有相应标签数据, 但是我发送请求之后 没有这样的数据返回# 我们要提取数据, 要根据服务器返回数据内容# xpath 解析方法 parsel 解析模块  parsel这个模块里面就可以调用xpath解析方法# print(response.text)

解析数据

# 解析速度 bs4 解析速度会慢一些 如果你想要对于字符串数据内容 直接取值 只能正则表达式     selector = parsel.Selector(response.text) # 把获取下来html字符串数据内容 转成 selector 对象     title_list = selector.css('.ui.image.lazy::attr(title)').getall()     img_list = selector.css('.ui.image.lazy::attr(data-original)').getall()# 把获取下来的这两个列表 提取里面元素 一一提取出来# 提取列表元素 for循环 遍历     for title, img_url in zip(title_list, img_list):

保存数据

# split() 字符串分割的方法 根据列表索引位置取值# img_name_1 = img_url[-3:] # 通过字符串数据 进行切片# 从左往右 索引位置 是从 0 开始 从右往左 是 -1开始         # print(title, img_url)         title = re.sub(r'[\/:*?"<>|\n]', '_', title)         # 名字太长 报错         img_name = img_url.split('.')[-1]   # 通过split() 字符串分割的方法 根据列表索引位置取值         img_content = requests.get(url=img_url).content # 获取图片的二进制数据内容         with open('img\\' + title + '.' + img_name, mode='wb') as f:             f.write(img_content)         print(title)

多线程爬取10页数据

def get_response(html_url):    """发送请求"""    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):    """获取图片url地址 以及 图片名字"""    response = get_response(html_url)    selector = parsel.Selector(response.text)  # 把获取下来html字符串数据内容 转成 selector 对象    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):    """保存数据"""    title = re.sub(r'[\/:*?"<>|\n]', '_', title)    # 名字太长 报错    img_name = img_url.split('.')[-1]  # 通过split() 字符串分割的方法 根据列表索引位置取值    img_content = requests.get(url=img_url).content  # 获取图片的二进制数据内容    with open('img\\' + title + '.' + img_name, mode='wb') as f:        f.write(img_content)    print(title)

多进程爬取10页数据

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. 发送请求        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('程序耗时: ', use_time)

以上就是Python然后实现多线程爬表情包,小编相信有部分知识点可能是我们日常工作会见到或用到的。希望你能通过这篇文章学到更多知识。更多详情敬请关注编程网行业资讯频道。

阅读原文内容投诉

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

软考中级精品资料免费领

  • 历年真题答案解析
  • 备考技巧名师总结
  • 高频考点精准押题
  • 2024年上半年信息系统项目管理师第二批次真题及答案解析(完整版)

    难度     813人已做
    查看
  • 【考后总结】2024年5月26日信息系统项目管理师第2批次考情分析

    难度     354人已做
    查看
  • 【考后总结】2024年5月25日信息系统项目管理师第1批次考情分析

    难度     318人已做
    查看
  • 2024年上半年软考高项第一、二批次真题考点汇总(完整版)

    难度     435人已做
    查看
  • 2024年上半年系统架构设计师考试综合知识真题

    难度     224人已做
    查看

相关文章

发现更多好内容

猜你喜欢

AI推送时光机
位置:首页-资讯-后端开发
咦!没有更多了?去看看其它编程学习网 内容吧
首页课程
资料下载
问答资讯