多进程爬取 unsplash 网站照片及参数,并将相关信息保存到MongoDB

# python3.7
import json
import pymongo
import requests
from multiprocessing import Pool


class ImgSpider(object):
    client = pymongo.MongoClient('localhost')  # 创建连接
    db = client['unsplash']  # 连接到该数据库

    def __init__(self):
        self.headers = {
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.98 Safari/537.36'
        }

    def get_list_json(self, page):
        api_url = 'https://unsplash.com/napi/search/photos?query=street%20snap&xp=&per_page=20&page={}'.format(page)  # 可更换源
        
        try:
            response = requests.get(api_url, headers=self.headers)
            if response.status_code == 200:
                return response.text
            else:
                print('请求异常:url={}, status_code={}'.format(api_url, response.status_code))
                return None
        except Exception as e:
            print('请求异常:url={}, error={}'.format(api_url, e))
            return None

    def get_info_json(self, info_url):
        api_url = info_url
        response = requests.get(api_url, headers=self.headers)
        return response.text

    def parse_info(self, info_str):
        json_dict = json.loads(info_str)
        data = json_dict.get('exif')
        data['id'] = json_dict.get('id')
        data['url'] = json_dict.get('urls')['full']
        self.db['unsplash_info_01'].insert_one(data)  # 创建表并将数据插入到表

    def parse_list_json(self, json_str):
        json_dict = json.loads(json_str)
        data_list = json_dict.get('results')

        if data_list and len(data_list) > 0:  # 说明有数据,可以解析
            for item in data_list:
                pic_url = item['urls']['full']
                self.download_image(pic_url, item['id'])
                info_url = 'https://unsplash.com/napi/photos/' + item['id'] + '/info'
                info_str = self.get_info_json(info_url)
                self.parse_info(info_str)

    def download_image(self, img_url, id):
        response = requests.get(img_url, headers=self.headers)
        if response.status_code == 200:
            content = response.content  # 图片属于二进制资源,不再使用text,使用content
            img_name = id
            f = open('imgs/{}.jpg'.format(img_name), 'wb')  # 'w': 写入普通文本;'wb': 用于写入二进制数据(图片、音频、视频)
            f.write(content)
            f.close()
            print('正在下载图片...')
        else:
            print('图片url请求失败:{}'.format(img_url))

    def start_spider(self, num):
        json_str = self.get_list_json(num)
        self.parse_list_json(json_str)


if __name__ == '__main__':
    obj = ImgSpider()

    pool = Pool(1)  # 在进程池里创建3个进程
    start_num = int(input('请输入你的起始爬取页数:'))
    end_num = int(input('请输入你的结束爬取页数:'))
    pool.map(obj.start_spider, [x for x in range(start_num, end_num)])  # 爬取前num页信息

    pool.close()
    pool.join()
    print('程序运行结束')

爬取部分数据样图

https://unsplash.com/
最后编辑于
©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 213,864评论 6 494
  • 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 91,175评论 3 387
  • 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 159,401评论 0 349
  • 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 57,170评论 1 286
  • 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 66,276评论 6 385
  • 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 50,364评论 1 292
  • 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 39,401评论 3 412
  • 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 38,179评论 0 269
  • 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 44,604评论 1 306
  • 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 36,902评论 2 328
  • 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 39,070评论 1 341
  • 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 34,751评论 4 337
  • 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 40,380评论 3 319
  • 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 31,077评论 0 21
  • 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 32,312评论 1 267
  • 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 46,924评论 2 365
  • 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 43,957评论 2 351