Pyhton多线程采集图片方式
更新时间:2023年12月01日 09:08:05 作者:三省同学
这篇文章主要介绍了Pyhton多线程采集图片方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
前言
需要大量图片做数据采集是,这个时候就需要用到python获取图片,本篇以python多线程获取图片为例。
一、查看页面元素
查看页面源代码。
二、请求url查看
通过F12查看请求url。
tn: resultjson_com logid: 12339447258259285711 ipn: rj ct: 201326592 is: fp: result fr: word: 动漫图片 queryWord: 动漫图片 cl: 2 lm: -1 ie: utf-8 oe: utf-8 adpicid: st: -1 z: ic: hd: latest: copyright: s: se: tab: width: height: face: 0 istype: 2 qc: nc: 1 expermode: nojc: isAsync: pn: 60 rn: 30 gsm: 3c 1669373933133:
代码实现
# -*- coding: utf-8 -*- import os import re import time from multiprocessing import Pool import requests from multiprocessing.dummy import Pool as ThreadPool # 线程池 def get_image(keyword, page_num, save_dir): # 浏览器伪装 header = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36'} # 请求url url = 'https://image.baidu.com/search/acjson?' n = 0; pn = 1 # pn是从第几张图片开始 page_num = page_num + 1; for m in range(1, page_num): # 请求参数 param = {'tn': 'resultjson_com', 'ipn': 'rj', 'ct': 201326592, 'is': '', 'fp': 'result', 'queryWord': keyword, 'cl': 2, 'lm': -1, 'ie': 'utf-8', 'oe': 'utf-8', 'adpicid': '', 'st': -1, 'z': '', 'ic': '', 'hd': 1, 'latest': '', 'copyright': '', 'word': keyword, 's': '', 'se': '', 'tab': '', 'width': '', 'height': '', 'face': 0, 'istype': 2, 'qc': '', 'nc': '1', 'fr': '', 'expermode': '', 'force': '', 'cg': '', 'pn': pn, 'rn': '30', 'gsm': '1e', '1669373933133': ' ' } request = requests.get(url=url, headers=header, params=param) if request.status_code == 200: print('success.') request.encoding = 'utf-8' html = request.text image_url_list = re.findall('"thumbURL":"(.*?)",', html, re.S) if not os.path.exists(save_dir): os.makedirs(save_dir) for image_url in image_url_list: image_data = requests.get(url=image_url, headers=header).content # with open(os.path.join(save_dir, "{}_{:06d}.jpg".format("1", n)), 'wb') as fp: # fp.write(image_data) pool.apply_async(download, args=(n, image_data, save_dir), error_callback=func.err_call_back) n = n + 1 pn += 29 class Func(object): def __init__(self): # 利用匿名函数模拟一个不可序列化象 # 更常见的错误写法是,在这里初始化一个数据库的长链接 self.num = lambda: None def work(self, num=None): self.num = num return self.num @staticmethod def call_back(res): print('Hello,World! {res}') @staticmethod def err_call_back(err): print('出错啦:[{}]'.format(err)) def download(n, image_data, save_dir): # time.sleep(1) fp = open(os.path.join(save_dir, "{}_{:06d}.jpg".format("1", n)), 'wb') fp.write(image_data) fp.close() if __name__ == '__main__': func = Func() keyword = '动漫图片' save_dir = keyword page_num = int(input("页数:")) # 线程池中线程数 pool = Pool(10) # pool = ThreadPool(5) # i = 0; # while i < page_num: get_image(keyword, page_num, save_dir) # i = i + 1 print('完成')
总结
以上为个人经验,希望能给大家一个参考,也希望大家多多支持脚本之家。
最新评论