近日閑來無事，總有一種無形的力量縈繞在朕身邊，讓朕精神渙散，昏昏欲睡。

可是，像朕這么有職業操守的社畜怎么能在上班期間睡瞌睡呢，我不禁陷入了沉思。。。。

突然旁邊的IOS同事問：‘嘿，兄弟，我發現一個網站的圖片很有意思啊，能不能幫我保存下來提升我的開發靈感？’作為一個堅強的社畜怎么能說自己不行呢，當時朕就不假思索的答應：‘oh， It’s simple. Wait for me a few minute.’

點開同事給的圖片網站，

網站大概長這樣：

在朕翻看了幾十頁之后，朕突然覺得有點上頭。心中一想’不對啊，朕不是來學習的嗎？可是看美女圖片這個事情怎么才可以和學習關聯起來呢‘

冥思苦想一番之后，突然腦中靈光一閃，’要不用python寫個爬蟲吧，將此網站的圖片一網打盡‘。

說干就干，身體力行，要問爬蟲哪家強，‘人生苦短，我用python’。

首先找到我的電腦里面半年前下載的python安裝包，無情的點擊了安裝，環境裝好之后，略一分析網頁結構。先擼一個簡易版爬蟲

#抓取愛小姐姐網圖片保存到本地import requestsfrom lxml import etree as etimport os#請求頭headers = { #用戶代理 ’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’}#待抓取網頁基地址base_url = ’’#保存圖片基本路徑base_dir = ’D:/python/code/aixjj/’#保存圖片def savePic(pic_url): #如果目錄不存在，則新建 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) #獲取圖片內容 response = requests.get(pic_url, headers = headers) #寫入圖片 with open(file_name,’wb’) as fp: for data in response.iter_content(128): fp.write(data)#觀察此網站總共只有62頁，所以循環62次for k in range(1,63): #請求頁面地址 url = base_url+str(k) response = requests.get(url = url, headers = headers) #請求狀態碼 code = response.status_code if code == 200: html = et.HTML(response.text) #獲取頁面所有圖片地址 r = html.xpath(’//li/a/img/@src’) #獲取下一頁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頁圖片下載完成’ % (k))print(’The End!’)

嘗試運行爬蟲，嘿，沒想到行了：

過了一會兒，旁邊的哥們兒又來：‘嘿 bro 你這個可以是可以，就是速度太慢了啊，我的靈感會被長時間的等待磨滅，你給改進改進？’

怎么提升爬蟲的效率呢？略一思索，公司的電腦可是偉大的四核CPU啊，要不擼個多進程版本試試。然后就產生了下面這個多進程版本

#多進程版——抓取愛小姐姐網圖片保存到本地import requestsfrom lxml import etree as etimport osimport timefrom multiprocessing import Pool#請求頭headers = { #用戶代理 ’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’}#待抓取網頁基地址base_url = ’’#保存圖片基本路徑base_dir = ’D:/python/code/aixjj1/’#保存圖片def savePic(pic_url): #如果目錄不存在，則新建 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) #獲取圖片內容 response = requests.get(pic_url, headers = headers) #寫入圖片 with open(file_name,’wb’) as fp: for data in response.iter_content(128): fp.write(data)def geturl(url): #請求頁面地址 #url = base_url+str(k) response = requests.get(url = url, headers = headers) #請求狀態碼 code = response.status_code if code == 200: html = et.HTML(response.text) #獲取頁面所有圖片地址 r = html.xpath(’//li/a/img/@src’) #獲取下一頁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__’: #獲取要爬取的鏈接列表 url_list = [base_url+format(i) for i in range(1,100)] a1 = time.time() #利用進程池方式創建進程，默認創建進程數量=電腦核數 #自己定義進程數量方式 pool = Pool(4) pool = Pool() pool.map(geturl,url_list) pool.close() pool.join() b1 = time.time() print(’運行時間：’,b1-a1)

抱著試一試的心態，運行了多進程版本爬蟲，嘿沒想到又行了，在朕偉大的四核CPU的加持下，爬蟲速度提升了3~4倍。又過了一會兒，那哥們兒又偏過頭來：‘你這個快是快了不少，但是還不是最理想的狀態，能不能一眨眼就能爬取百八十個圖片，畢竟我的靈感來的快去的也快’

我：‘…’悄悄打開Google，搜索如何提升爬蟲效率，給出結論：

多進程：密集CPU任務，需要充分使用多核CPU資源（服務器，大量的并行計算）的時候，用多進程。多線程：密集I/O任務（網絡I/O，磁盤I/O，數據庫I/O）使用多線程合適。

呵，我這可不就是I/O密集任務嗎，趕緊寫一個多線程版爬蟲先。于是，又誕生了第三款：

import threading # 導入threading模塊from queue import Queue #導入queue模塊import time #導入time模塊import requestsimport osfrom lxml import etree as et#請求頭headers = { #用戶代理 ’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’}#待抓取網頁基地址base_url = ’’#保存圖片基本路徑base_dir = ’D:/python/code/aixjj/’#保存圖片def savePic(pic_url): #如果目錄不存在，則新建 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) #獲取圖片內容 response = requests.get(pic_url, headers = headers) #寫入圖片 with open(file_name,’wb’) as fp: for data in response.iter_content(128): fp.write(data)# 爬取文章詳情頁def get_detail_html(detail_url_list, id): while True: url = detail_url_list.get() #Queue隊列的get方法用于從隊列中提取元素 response = requests.get(url = url, headers = headers) #請求狀態碼 code = response.status_code if code == 200: html = et.HTML(response.text) #獲取頁面所有圖片地址 r = html.xpath(’//li/a/img/@src’) #獲取下一頁url #t = html.xpath(’//div[@class='page']/a[@class='ch']/@href’)[-1] for pic_url in r:a = ’http:’+pic_urlsavePic(a)# 爬取文章列表頁def get_detail_url(queue): for i in range(1,100): #time.sleep(1) # 延時1s，模擬比爬取文章詳情要快 #Queue隊列的put方法用于向Queue隊列中放置元素，由于Queue是先進先出隊列，所以先被Put的URL也就會被先get出來。 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#主函數if __name__ == '__main__': detail_url_queue = Queue(maxsize=1000) #用Queue構造一個大小為1000的線程安全的先進先出隊列 #A線程負責抓取列表url thread = threading.Thread(target=get_detail_url, args=(detail_url_queue,)) html_thread= [] #另外創建三個線程負責抓取圖片 for i in range(20): thread2 = threading.Thread(target=get_detail_html, args=(detail_url_queue,i)) html_thread.append(thread2)#B C D 線程抓取文章詳情 start_time = time.time() # 啟動四個線程 thread.start() for i in range(20): html_thread[i].start() # 等待所有線程結束，thread.join()函數代表子線程完成之前，其父進程一直處于阻塞狀態。 thread.join() for i in range(20): html_thread[i].join() print('last time: {} s'.format(time.time()-start_time))#等ABCD四個線程都結束后，在主進程中計算總爬取時間。

粗略測試一下，得出結論： ‘Oh my god，這也太快了吧’。將多線程版本爬蟲扔到同事QQ頭像的臉上，并附文：‘拿去，速滾’

到此這篇關于python自動下載圖片的方法示例的文章就介紹到這了,更多相關python 自動下載圖片內容請搜索好吧啦網以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持好吧啦網！