如何让爬虫提速？多线程爬虫一秒50图了解一下

忘是亡心i 2022-11-20 01:57 141阅读 0赞

# 前言 #

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。

![a3a21edfc7be7710e6cd73c4e5d69e0a.png][]

# 基本开发环境 #

*  Python 3.6
 *  Pycharm

import requests
    import parsel
    import threading
    123

相关模块 pip 安装即可

# 目标网页分析 #

![abcd225b26921fbd103b1ef5793363e9.png][]

这个网站有电脑壁纸也有手机壁纸，还是不错的。

![7829cafc8bd99e370ba9127f0df785f8.png][]

网站是静态网站，没有加密，可以直接爬取

![2e4d867d914b8364a1efbfb7ee0221a0.png][]

![86d7932c385b5cd20d55cb724312b67f.png][]

# 整体思路 #

1、先在列表页面获取每张壁纸的详情地址  
2、在壁纸详情页面获取壁纸真实高清url地址  
3、保存壁纸

# 代码实现 #

模拟浏览器请求网页，获取网页数据

def get_html(html_url):
        '''
        获取网页源代码
        :param html_url:  网页url
        :return:
        '''
        response = requests.get(url=html_url, headers=headers)
        return response

解析网页数据

def get_par(html_data):
        '''
        把 response.text 转换成 selector 对象 解析提取数据
        :param html_data:  response.text
        :return: selector 对象
        '''
        selector = parsel.Selector(html_data)
        return selector

保存数据

def download(img_url, title):
        '''
        保存数据
        :param img_url: 图片地址
        :param title: 图片标题
        :return:
        '''
        content = get_html(img_url).content
        path = '壁纸\\' + title + '.jpg'
        with open(path, mode='wb') as f:
            f.write(content)
            print('正在保存', title)

主函数

def main(url):
        '''
        主函数
        :param url: 列表页面 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)

启动多线程运行代码

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()

这里只选择爬取前10页的数据

![553c909f6fac2b92a1b016cba1557126.png][]

![d8bbd0a8e996e84fea51ec3d2c1625cb.png][]

从运行截图和壁纸保存来看，5.5秒的时间，下载了215张图片，效率上面还是可以的，平均计算下来每秒钟下载40张图片。。。

可以自己去试试多线程爬取数据哈，效率还是非常高的

[a3a21edfc7be7710e6cd73c4e5d69e0a.png]: /images/20221120/60a5016055d04c6aa0ce55ba287930aa.png
[abcd225b26921fbd103b1ef5793363e9.png]: https://img-blog.csdnimg.cn/img_convert/abcd225b26921fbd103b1ef5793363e9.png
[7829cafc8bd99e370ba9127f0df785f8.png]: https://img-blog.csdnimg.cn/img_convert/7829cafc8bd99e370ba9127f0df785f8.png
[2e4d867d914b8364a1efbfb7ee0221a0.png]: https://img-blog.csdnimg.cn/img_convert/2e4d867d914b8364a1efbfb7ee0221a0.png
[86d7932c385b5cd20d55cb724312b67f.png]: https://img-blog.csdnimg.cn/img_convert/86d7932c385b5cd20d55cb724312b67f.png
[553c909f6fac2b92a1b016cba1557126.png]: https://img-blog.csdnimg.cn/img_convert/553c909f6fac2b92a1b016cba1557126.png
[d8bbd0a8e996e84fea51ec3d2c1625cb.png]: https://img-blog.csdnimg.cn/img_convert/d8bbd0a8e996e84fea51ec3d2c1625cb.png