Python爬虫新手入门教学（九）：多线程爬虫案例讲解

待我称王封你为后i 2022-10-24 01:39 214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。

**Python爬虫、数据分析、网站开发等案例教程视频免费在线观看**

https://space.bilibili.com/523606542

# ![a2b6984089fbb14c9cf0ff607a09682a.png][] #

# 前文内容 #

[Python爬虫新手入门教学（一）：爬取豆瓣电影排行信息][Python]

[Python爬虫新手入门教学（二）：爬取小说][Python 1]

[Python爬虫新手入门教学（三）：爬取链家二手房数据][Python 2]

[Python爬虫新手入门教学（四）：爬取前程无忧招聘信息][Python 3]

[Python爬虫新手入门教学（五）：爬取B站视频弹幕][Python_B]

[Python爬虫新手入门教学（六）：制作词云图][Python 4]

[Python爬虫新手入门教学（七）：爬取腾讯视频弹幕][Python 5]

[Python爬虫新手入门教学（八）：爬取论坛文章保存成PDF][Python_PDF]

# 基本开发环境 #

*  Python 3.6
 *  Pycharm
 *  wkhtmltopdf

# 相关模块的使用 #

*  re
 *  requests
 *  concurrent.futures

安装Python并添加到环境变量，pip安装需要的相关模块即可。

# 一、明确需求 #

现在聊天谁还不发几个表情包？聊天时,表情包是我们重要的工具,更是拉进小伙伴们距离的好帮手,当聊天陷入尴尬境地时,随手一张表情包,让尴尬化为无形

本篇文章就用python批量爬取表情包图片，留以备用

![Python爬虫新手入门教学（九）：多线程爬虫案例讲解][Python 6]

# 二、网页数据分析 #

![Python爬虫新手入门教学（九）：多线程爬虫案例讲解][Python 7]

如图所示斗图网上面的图片数据都包含在 a 标签当中，可以尝试直接请求这个网页，查看response 返回的数据当中是否也含有 图片地址。

import requests
    
    
    def get_response(html_url):
        headers = {
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'
        }
        response = requests.get(url=html_url, headers=headers)
        return response
    
    
    def main(html_url):
        response = get_response(html_url)
        print(response.text)
    
    
    if __name__ == '__main__':
        url = 'https://www.doutula.com/photo/list/'
        main(url)

在输出结果中 **ctrl + F** 进行搜索。

![Python爬虫新手入门教学（九）：多线程爬虫案例讲解][Python 8]

这里有一个点想要注意一下，我用python请求网页所给我们返回的结果当中，包含图片url地址是：  
**data-original="图片url"**  
**data-backup="图片url"**

如果想要提取url地址的话，可以用parsel 解析库，或者 re 正则表达式。之前都是使用的parsel，本篇文章就用 正则表达式吧。

urls = re.findall('data-original="(.*?)"', response.text)

# 单页爬取完整代码 #

import requests
    import re
    
    
    def get_response(html_url):
        headers = {
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'
        }
        response = requests.get(url=html_url, headers=headers)
        return response
    
    
    def save(image_url, image_name):
        image_content = get_response(image_url).content
        filename = 'images\\' + image_name
        with open(filename, mode='wb') as f:
            f.write(image_content)
            print(image_name)
    
    
    def main(html_url):
        response = get_response(html_url)
        urls = re.findall('data-original="(.*?)"', response.text)
        for link in urls:
            image_name = link.split('/')[-1]
            save(link, image_name)
    
    
    if __name__ == '__main__':
        url = 'https://www.doutula.com/photo/list/'
        main(url)

# 多线程爬取全站图片（如果你的内存够大） #

![Python爬虫新手入门教学（九）：多线程爬虫案例讲解][Python 9]

3631页的数据，什么表情都有，嘿嘿嘿

import requests
    import re
    import concurrent.futures
    
    
    def get_response(html_url):
        headers = {
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'
        }
        response = requests.get(url=html_url, headers=headers)
        return response
    
    
    def save(image_url, image_name):
        image_content = get_response(image_url).content
        filename = 'images\\' + image_name
        with open(filename, mode='wb') as f:
            f.write(image_content)
            print(image_name)
    
    
    def main(html_url):
        response = get_response(html_url)
        urls = re.findall('data-original="(.*?)"', response.text)
        for link in urls:
            image_name = link.split('/')[-1]
            save(link, image_name)
    
    
    if __name__ == '__main__':
        # ThreadPoolExecutor 线程池的对象
        # max_workers  最大任务数
        executor = concurrent.futures.ThreadPoolExecutor(max_workers=3)
        for page in range(1, 3632):
            url = f'https://www.doutula.com/photo/list/?page={page}'
            # submit  往线程池里面添加任务
            executor.submit(main, url)
        executor.shutdown()

[a2b6984089fbb14c9cf0ff607a09682a.png]: /images/20221024/7a3b01da1bdd45c995c0e120f0e679cb.png
[Python]: https://blog.csdn.net/m0_48405781/article/details/113055904
[Python 1]: https://blog.csdn.net/m0_48405781/article/details/113118597
[Python 2]: https://blog.csdn.net/m0_48405781/article/details/113140580
[Python 3]: https://blog.csdn.net/m0_48405781/article/details/113179478
[Python_B]: https://blog.csdn.net/m0_48405781/article/details/113183911?spm=1001.2014.3001.5501
[Python 4]: https://blog.csdn.net/m0_48405781/article/details/113247830
[Python 5]: https://blog.csdn.net/m0_48405781/article/details/113250671
[Python_PDF]: https://blog.csdn.net/m0_48405781/article/details/113336829
[Python 6]: /images/20221024/4cfe9d155d2d46b2969aff482be1d31c.png
[Python 7]: /images/20221024/5557a467e4244969bdb28c54825f63a3.png
[Python 8]: /images/20221024/d0e418acc17342c18c77ba58938f8e4a.png
[Python 9]: /images/20221024/a12ad4ec124640ac8641befee71543b4.png