怎么用python自动下载图片，解放自己的双手了

近日闲来无事，总有一种无形的力量萦绕在我身边，让朕精神涣散，昏昏欲睡。

u=791847803,1419432746&fm=26&gp=0.jpg

可是，像我这么有职业操守的社畜怎么能在上班期间睡瞌睡呢，我不禁陷入了沉思。。。。

u=2270044864,2770091929&fm=26&gp=0.jpg

突然旁边的Java同事问：‘嘿，兄弟，我发现一个网站的图片很有意思啊，能不能帮我保存下来提升我的开发灵感？’
作为一个坚强的社畜怎么能说自己不行呢，当时朕就不假思索的答应：‘oh， It’s simple. Wait for me a few minute.’

u=1462382484,3503073308&fm=26&gp=0.jpg

点开同事给的图片网站，

网站大概长这样：

image

在我翻看了几十页之后，朕突然觉得有点上头。心中一想’不对啊，我不是来学习的吗？可是看美女图片这个事情怎么才可以和学习关联起来呢？

image

冥思苦想一番之后，突然脑中灵光一闪，要不用python写个爬虫吧，将此网站的图片一网打尽。

image

说干就干，身体力行，要问爬虫哪家强，‘人生苦短，我用python’。
首先找到我的电脑里面半年前下载的python安装包，无情的点击了安装，环境装好之后，略一分析网页结构。先撸一个简易版爬虫。

#抓取爱小姐姐网图片保存到本地import requestsfrom lxml import etree as etimport os#请求头headers = {    #用户代理     'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36'}#待抓取网页基地址base_url = ''#保存图片基本路径base_dir = 'D:/python/code/aixjj/'#保存图片def savePic(pic_url):    #如果目录不存在，则新建    if not os.path.exists(base_dir):        os.makedirs(base_dir)        arr = pic_url.split('/')    file_name = base_dir+arr[-2]+arr[-1]    print(file_name)    #获取图片内容    response = requests.get(pic_url, headers = headers)    #写入图片    with open(file_name,'wb') as fp:        for data in response.iter_content(128):            fp.write(data)#观察此网站总共只有62页，所以循环62次for k in range(1,63):    #请求页面地址    url = base_url+str(k)    response = requests.get(url = url, headers = headers)    #请求状态码    code = response.status_code    if code == 200:        html = et.HTML(response.text)        #获取页面所有图片地址        r = html.xpath('//li/a/img/@src')        #获取下一页url        #t = html.xpath('//div[@class="page"]/a[@class="ch"]/@href')[-1]        for pic_url in r:            a = 'http:'+pic_url            savePic(a)    print('第%d页图片下载完成' % (k))print('The End!')

尝试运行爬虫，嘿，没想到行了。

我太有才了。

image

image

过了一会儿，旁边的哥们儿又来：‘嘿 bro 你这个可以是可以，就是速度太慢了啊，我的灵感会被长时间的等待磨灭，你给改进改进？’

image

怎么提升爬虫的效率呢？略一思索，公司的电脑可是伟大的四核CPU啊，要不撸个多进程版本试试。然后就产生了下面这个多进程版本。

#多进程版——抓取爱小姐姐网图片保存到本地import requestsfrom lxml import etree as etimport osimport timefrom multiprocessing import Pool#请求头headers = {    #用户代理     'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36'}#待抓取网页基地址base_url = ''#保存图片基本路径base_dir = 'D:/python/code/aixjj1/'#保存图片def savePic(pic_url):    #如果目录不存在，则新建    if not os.path.exists(base_dir):        os.makedirs(base_dir)        arr = pic_url.split('/')    file_name = base_dir+arr[-2]+arr[-1]    print(file_name)    #获取图片内容    response = requests.get(pic_url, headers = headers)    #写入图片    with open(file_name,'wb') as fp:        for data in response.iter_content(128):            fp.write(data)def geturl(url):    #请求页面地址    #url = base_url+str(k)    response = requests.get(url = url, headers = headers)    #请求状态码    code = response.status_code    if code == 200:        html = et.HTML(response.text)        #获取页面所有图片地址        r = html.xpath('//li/a/img/@src')        #获取下一页url        #t = html.xpath('//div[@class="page"]/a[@class="ch"]/@href')[-1]        for pic_url in r:            a = 'http:'+pic_url            savePic(a)if __name__ == '__main__':    #获取要爬取的链接列表    url_list = [base_url+format(i) for i in range(1,100)]    a1 = time.time()    #利用进程池方式创建进程，默认创建进程数量=电脑核数    #自己定义进程数量方式  pool = Pool(4)    pool = Pool()    pool.map(geturl,url_list)    pool.close()    pool.join()    b1 = time.time()    print('运行时间：',b1-a1)

抱着试一试的心态，运行了多进程版本爬虫，嘿没想到又行了，在朕伟大的四核CPU的加持下，爬虫速度提升了3~4倍。
又过了一会儿，那哥们儿又偏过头来：‘你这个快是快了不少，但是还不是最理想的状态，能不能一眨眼就能爬取百八十个图片，毕竟我的灵感来的快去的也快’

我：‘…’
悄悄打开Google，搜索如何提升爬虫效率，给出结论：

多进程：密集CPU任务，需要充分使用多核CPU资源（服务器，大量的并行计算）的时候，用多进程。多线程：密集I/O任务（网络I/O，磁盘I/O，数据库I/O）使用多线程合适。

呵，我这可不就是I/O密集任务吗，赶紧写一个多线程版爬虫先。于是，又诞生了第三款：

import threading # 导入threading模块from queue import Queue #导入queue模块import time  #导入time模块import requestsimport osfrom lxml import etree as et#请求头headers = {    #用户代理     'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36'}#待抓取网页基地址base_url = ''#保存图片基本路径base_dir = 'D:/python/code/aixjj/'#保存图片def savePic(pic_url):    #如果目录不存在，则新建    if not os.path.exists(base_dir):        os.makedirs(base_dir)        arr = pic_url.split('/')    file_name = base_dir+arr[-2]+arr[-1]    print(file_name)    #获取图片内容    response = requests.get(pic_url, headers = headers)    #写入图片    with open(file_name,'wb') as fp:        for data in response.iter_content(128):            fp.write(data)# 爬取文章详情页def get_detail_html(detail_url_list, id):    while True:        url = detail_url_list.get() #Queue队列的get方法用于从队列中提取元素        response = requests.get(url = url, headers = headers)        #请求状态码        code = response.status_code        if code == 200:            html = et.HTML(response.text)            #获取页面所有图片地址            r = html.xpath('//li/a/img/@src')            #获取下一页url            #t = html.xpath('//div[@class="page"]/a[@class="ch"]/@href')[-1]            for pic_url in r:                a = 'http:'+pic_url                savePic(a)# 爬取文章列表页def get_detail_url(queue):    for i in range(1,100):        #time.sleep(1) # 延时1s，模拟比爬取文章详情要快        #Queue队列的put方法用于向Queue队列中放置元素，由于Queue是先进先出队列，所以先被Put的URL也就会被先get出来。        page_url = base_url+format(i)        queue.put(page_url)        print("put page url {id} end".format(id = page_url))#打印出得到了哪些文章的url#主函数if __name__ == "__main__":    detail_url_queue = Queue(maxsize=1000) #用Queue构造一个大小为1000的线程安全的先进先出队列    #A线程负责抓取列表url    thread = threading.Thread(target=get_detail_url, args=(detail_url_queue,))     html_thread= []    #另外创建三个线程负责抓取图片    for i in range(20):        thread2 = threading.Thread(target=get_detail_html, args=(detail_url_queue,i))        html_thread.append(thread2)#B C D 线程抓取文章详情    start_time = time.time()    # 启动四个线程    thread.start()    for i in range(20):        html_thread[i].start()    # 等待所有线程结束，thread.join()函数代表子线程完成之前，其父进程一直处于阻塞状态。    thread.join()    for i in range(20):        html_thread[i].join()    print("last time: {} s".format(time.time()-start_time))#等ABCD四个线程都结束后，在主进程中计算总爬取时间。    #这里顺便给大家免费发点福利    #可领取2020年最新python开发 ，爬虫，数据分析等视频教.程资料    # +QQ群群文件自己下载哦，还可跟老司机讨论问题

粗略测试一下，得出结论： ‘Oh my god，这也太快了吧’。

将多线程版本爬虫扔到同事QQ头像的脸上，并附文：‘拿去，玩儿’

原著是一个有趣的人,若有侵权,请通知删除