基本开发环境
· Python 3.6
· Pycharm
需要导入的库
目标网页分析
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页地址
2、在壁纸详情页面获取壁纸真实高清url地址
3、保存地址
代码实现
模拟浏览器请请求网页,获取网页数据
这里只选择爬取前10页的数据
代码如下
import threading import parsel import requests 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 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 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) 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) 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 多线程爬取壁纸网站的示例的详细内容,更多关于python 爬取壁纸网站的资料请关注其它相关文章!