· Python 3.6
· Pycharm
網站是靜態(tài)網站,沒有加密,可以直接爬取
1、先在列表頁面獲取每張壁紙的詳情頁地址
2、在壁紙詳情頁面獲取壁紙真實高清url地址
3、保存地址
模擬瀏覽器請請求網頁,獲取網頁數(shù)據(jù)
這里只選擇爬取前10頁的數(shù)據(jù)
代碼如下
import threading import parsel import requests def get_html(html_url): ''' 獲取網頁源代碼 :param html_url: 網頁url :return: ''' response = requests.get(url=html_url, headers=headers) return response def get_par(html_data): ''' 把 response.text 轉換成 selector 對象 解析提取數(shù)據(jù) :param html_data: response.text :return: selector 對象 ''' selector = parsel.Selector(html_data) return selector def download(img_url, title): ''' 保存數(shù)據(jù) :param img_url: 圖片地址 :param title: 圖片標題 :return: ''' content = get_html(img_url).content path = '壁紙\\' + title + '.jpg' with open(path, mode='wb') as f: f.write(content) print('正在保存', title) def main(url): ''' 主函數(shù) :param url: 列表頁面 url :return: ''' html_data = get_html(url).text selector = get_par(html_data) lis = selector.css('.wb_listbox div dl dd a::attr(href)').getall() for li in lis: img_data = get_html(li).text img_selector = get_par(img_data) img_url = img_selector.css('.wb_showpic_main img::attr(src)').get() title = img_selector.css('.wb_pictitle::text').get().strip() download(img_url, title) end_time = time.time() - s_time print(end_time) if __name__ == '__main__': for page in range(1, 11): url = 'http://www.deskbizhi.com/min/list-{}.html'.format(page) main_thread = threading.Thread(target=main, args=(url,)) main_thread.start()
以上就是python 多線程爬取壁紙網站的示例的詳細內容,更多關于python 爬取壁紙網站的資料請關注腳本之家其它相關文章!
標簽:大慶 烏蘭察布 合肥 烏蘭察布 平頂山 郴州 海南 哈爾濱
巨人網絡通訊聲明:本文標題《python 多線程爬取壁紙網站的示例》,本文關鍵詞 python,多,線程,爬取,壁紙,;如發(fā)現(xiàn)本文內容存在版權問題,煩請?zhí)峁┫嚓P信息告之我們,我們將及時溝通與處理。本站內容系統(tǒng)采集于網絡,涉及言論、版權與本站無關。