Python多线程爬取网站数据，它究竟有多快

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

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

这个网站有电脑壁纸也有手机壁纸，还是不错的。

网站是静态网站，没有加密，可以直接爬取

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


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