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云海天教程其它相关文章!