高性能异步爬虫
目的:在爬虫中使用异步实现高性能的数据爬取操作
异步爬虫的方式:
- 多线程、多进程(不建议):
好处:可以为相关阻塞的操作单独开启多线程或进程,阻塞操作就可以异步执行;
弊端:无法无限制的开启多线程或多进程。
- 线程池、进程池(适当的使用):
好处:我们可以降低系统对进程或线程创建和销毁的一个频率,从而很好的降低系统的开销;
弊端:池中线程或进程的数据是有上限的。
代码如下
# _*_ coding:utf-8 _*_
"""
@FileName :6.4k图片解析爬取(异步高性能测试).py
@CreateTime :2020/8/14 0014 10:01
@Author : Lurker Zhang
@E-mail : 289735192@qq.com
@Desc. :
"""
import requests
from lxml import etree
from setting.config import *
import json
import os
import time
from multiprocessing.dummy import Pool
def main():
# 图片采集源地址
# source_url = 'http://pic.netbian.com/4kmeinv/'
# temp_url = 'http://pic.netbian.com/4kmeinv/index_{}.html'
# source_url = 'http://pic.netbian.com/4kdongman/'
# temp_url = 'http://pic.netbian.com/4kdongman/index_{}.html'
source_url = 'http://pic.netbian.com/4kmingxing/'
temp_url = 'http://pic.netbian.com/4kmingxing/index_{}.html'
# 本此采集前多少页,大于1的整数
page_sum = 136
all_pic_list_url = []
if page_sum == 1:
pic_list_url = source_url
print('开始下载:' + pic_list_url)
all_pic_list_url.append(pic_list_url)
else:
# 先采集第一页
pic_list_url = source_url
# 调用采集单页图片链接的函数
all_pic_list_url.append(pic_list_url)
# 再采集第二页开始后面的页数
for page_num in range(2, page_sum + 1):
pic_list_url = temp_url.format(page_num)
all_pic_list_url.append(pic_list_url)
# 单页图片多线程解析
pool1 = Pool(10)
pool1.map(down_pic, all_pic_list_url)
print('采集完成,本地成功下载{0}张图片,失败{1}张图片。'.format(total_success, total_fail))
# 存储已下载文件名列表:
with open("../depository/mingxing/pic_name_list.json", 'w', encoding='utf-8') as fp:
json.dump(pic_name_list, fp)
def down_pic(pic_list_url):
print("准备解析图片列表页:",pic_list_url)
# 获取图片列表页的网页数据
pic_list_page_text = requests.get(url=pic_list_url, headers=headers).text
tree_1 = etree.HTML(pic_list_page_text)
# 获取图片地址列表
pic_show_url_list = tree_1.xpath('//div[@class="slist"]/ul//a/@href')
pic_url_list = [get_pic_url('http://pic.netbian.com' + pic_show_url) for pic_show_url in pic_show_url_list]
# 开始下载并保存图片(多线程)
pool2 = Pool(5)
pool2.map(save_pic, pic_url_list)
def save_pic(pic_url):
print("准备下载图片:",pic_url)
global total_success, total_fail, pic_name_list,path
picname = get_pic_name(pic_url)
if not picname in pic_name_list:
# 获取日期作为保存位置文件夹
pic = requests.get(url=pic_url, headers=headers).content
try:
with open(path + picname, 'wb') as fp:
fp.write(pic)
except IOError:
print(picname + "保存失败")
total_fail += 1
else:
pic_name_list.append(picname)
total_success += 1
print("成功保存图片:{0},共成功采集{1}张。".format(picname, total_success))
else:
print("跳过,已下载过图片:" + picname)
total_fail += 1
def get_pic_name(pic_url):
return pic_url.split('/')[-1]
def get_pic_url(pic_show_url):
tree = etree.HTML(requests.get(url=pic_show_url, headers=headers).text)
return 'http://pic.netbian.com/' + tree.xpath('//div[@class="photo-pic"]/a/img/@src')[0]
if __name__ == '__main__':
# 读入已采集图片的名称库,名称存在重复的表示已经采集过将跳过不采集
if not os.path.exists('../depository/mingxing/pic_name_list.json'):
with open("../depository/mingxing/pic_name_list.json", 'w', encoding="utf-8") as fp:
json.dump([], fp)
with open("../depository/mingxing/pic_name_list.json", "r", encoding="utf-8") as fp:
pic_name_list = json.load(fp)
path = '../depository/mingxing/' + time.strftime('%Y%m%d', time.localtime()) + '/'
if not os.path.exists(path):
os.mkdir(path)
# 记录本次采集图片的数量
total_success = 0
total_fail = 0
main()
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件!
如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
暂无“Python使用xpath实现图片爬取”评论...
稳了!魔兽国服回归的3条重磅消息!官宣时间再确认!
昨天有一位朋友在大神群里分享,自己亚服账号被封号之后居然弹出了国服的封号信息对话框。
这里面让他访问的是一个国服的战网网址,com.cn和后面的zh都非常明白地表明这就是国服战网。
而他在复制这个网址并且进行登录之后,确实是网易的网址,也就是我们熟悉的停服之后国服发布的暴雪游戏产品运营到期开放退款的说明。这是一件比较奇怪的事情,因为以前都没有出现这样的情况,现在突然提示跳转到国服战网的网址,是不是说明了简体中文客户端已经开始进行更新了呢?
更新动态
2025年10月28日
2025年10月28日
- 小骆驼-《草原狼2(蓝光CD)》[原抓WAV+CUE]
- 群星《欢迎来到我身边 电影原声专辑》[320K/MP3][105.02MB]
- 群星《欢迎来到我身边 电影原声专辑》[FLAC/分轨][480.9MB]
- 雷婷《梦里蓝天HQⅡ》 2023头版限量编号低速原抓[WAV+CUE][463M]
- 群星《2024好听新歌42》AI调整音效【WAV分轨】
- 王思雨-《思念陪着鸿雁飞》WAV
- 王思雨《喜马拉雅HQ》头版限量编号[WAV+CUE]
- 李健《无时无刻》[WAV+CUE][590M]
- 陈奕迅《酝酿》[WAV分轨][502M]
- 卓依婷《化蝶》2CD[WAV+CUE][1.1G]
- 群星《吉他王(黑胶CD)》[WAV+CUE]
- 齐秦《穿乐(穿越)》[WAV+CUE]
- 发烧珍品《数位CD音响测试-动向效果(九)》【WAV+CUE】
- 邝美云《邝美云精装歌集》[DSF][1.6G]
- 吕方《爱一回伤一回》[WAV+CUE][454M]