Python多线程爬取网站数据，它究竟有多快

朴灿烈づ我的快乐病毒、 2022-12-23 02:00 209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。

PS：如有需要Python学习资料的小伙伴可以加点击下方链接自行获取

[python免费学习资料以及群交流解答点击即可加入][python]

## 基本开发环境 ##

*  Python 3.6
 *  Pycharm

import requests
    import parsel
    import threading

相关模块 pip 安装即可

## 目标网页分析 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70_pic_center]  
这个网站有电脑壁纸也有手机壁纸，还是不错的。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70_pic_center 1]  
网站是静态网站，没有加密，可以直接爬取  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70_pic_center 2]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70_pic_center 3]

## 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  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70_pic_center 4]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70_pic_center 5]  
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

[python]: https://jq.qq.com/?_wv=1027&k=kQrKxXXR
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70_pic_center]: /images/20221120/83434ac728614c25843b1df1d1005719.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70_pic_center 1]: https://img-blog.csdnimg.cn/20201121195421183.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA==,size_16,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70_pic_center 2]: https://img-blog.csdnimg.cn/20201121195559283.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA==,size_16,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70_pic_center 3]: https://img-blog.csdnimg.cn/20201121195712532.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA==,size_16,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70_pic_center 4]: https://img-blog.csdnimg.cn/20201121200219307.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA==,size_16,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70_pic_center 5]: https://img-blog.csdnimg.cn/20201121200243586.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA==,size_16,color_FFFFFF,t_70#pic_center