python爬取图片(一)

import requests

import lxml

from bs4 import BeautifulSoup

import re

import threading

import os

def header(referer):

    headers = {

        'Host':

        'i.meizitu.net',

        'Pragma':

        'no-cache',

        'Accept-Encoding':

        'gzip, deflate',

        'Accept-Language':

        'zh-CN,zh;q=0.8,en;q=0.6',

        'Cache-Control':

        'no-cache',

        'Connection':

        'keep-alive',

        'User-Agent':

        'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_5) AppleWebKit/537.36 (KHTML, like Gecko) '

        'Chrome/59.0.3071.115 Safari/537.36',

        'Accept':

        'image/webp,image/apng,image/*,*/*;q=0.8',

        'Referer':

        '{}'.format(referer),

    }

    return headers

URLPOOL = ["https://m.mzitu.com/159050"]

URLSET = set()

def geturl():

    global URLSET  #已经解析

    global URLPOOL  #待下载

    for url in URLPOOL:

        if url in URLSET:  #判断是否解析过,跳过本次 url解析

            continue

        resp = requests.get(url)

        soup = BeautifulSoup(resp.text, features="lxml")

        #注意http 和 https

        tag_set = soup.find_all(

            re.compile("a"),

            {"href": re.compile("http(.|s)://m\.mzitu\.com/(\d+)$")})

        for tag in tag_set:

            if (tag["href"]) not in URLSET:

                #这个页面抓取的url 是否被解析 未被解析加入urlpool,这里有点问题

                #对于同意页面解析出来的相同url 有可能加入pool 造成浪费

                URLPOOL.append(tag["href"])

                print(tag["href"])

        URLSET.add(url)

    print("-----------geturl() finished----------------")

def sort_theme():

    #url = "https://m.mzitu.com/159050"

    print("down load -------------------------start")

    global URLPOOL

    for url in URLPOOL:

        URLPOOL.remove(url)

        sametheme = []

        title = ""

        count = 50

        resp = requests.get(url)

        soup = BeautifulSoup(resp.content, "lxml")

        title = soup.head.title.string

        for i in range(count + 1):

            i = i + 1

            suburl = url + "/" + str(i)

            resp = requests.get(suburl, "usert")

            subsoup = BeautifulSoup(resp.content, "lxml")

            src = subsoup.figure.a.find("img", {"src": re.compile("^https://")})

            sametheme.append(src["src"])

        download(title, sametheme)

def download(title, srcset):

    dirpath = "d:\\pic\\" + title

    try:

        os.mkdir(dirpath)

    except:

        print("已存在")

        return 0

    count = 1

    for src in srcset:

        filepath = dirpath + "\\" + str(count) + ".jpg"

        with open(filepath, "wb+") as picture:

            picture.write(requests.get(src, headers=header(src)).content)

        count += 1

    print("-------------------------------->>>>>>>>>>>>>>>>>>>>>>>>>")

def main():

    threading.Thread(target=geturl,args=()).start()

    for i in range(10):

        threading.Thread(target =sort_theme,args=()).start()

if __name__ == "__main__":

    main()

总结:

基础:网络请求,html 文档解析,线程,文件操作,正则表达式

使用工具:bs4 、requests、lxml、threading

问题:

geturl()函数运行过快,众多url无法进入解析函数(sort_theme)

URLPOOL设计不合理。数据结构使用列表,URLPOOL增长速度太快

sort_theme()函数设计不合理。1)重复请求页面,造成巨大浪费 2)url解析不完全

结构混乱

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,402评论 6 499
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,377评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,483评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,165评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,176评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,146评论 1 297
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,032评论 3 417
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,896评论 0 274
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,311评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,536评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,696评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,413评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,008评论 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,659评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,815评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,698评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,592评论 2 353

推荐阅读更多精彩内容