鬥圖啦表情包多執行緒爬取-寫在前面
今天在CSDN部落格，發現好多人寫爬蟲都在爬取一個叫做鬥圖啦的網站，裡面很多表情包，然後瞅了瞅，各種實現方式都有，今天我給你實現一個多執行緒版本的。關鍵技術點 aiohttp ，你可以看一下我前面的文章，然後在學習一下。
網站就不分析了，無非就是找到規律，拼接URL，匹配關鍵點，然後爬取。
鬥圖啦表情包多執行緒爬取-擼程式碼
首先快速的匯入我們需要的模組，和其他文章不同，我把相同的表情都放在了同一個資料夾下面，所以需要匯入os模組
import asyncio
import aiohttp
from lxml import etree
import os編寫主要的入口方法
if __name__ == `__main__`:
url_format = "http://www.doutula.com/article/list/?page={}"
urls = [url_format.format(index) for index in range(1,586)]
loop = asyncio.get_event_loop()
tasks = [x_get_face(url) for url in urls]
results = loop.run_until_complete(asyncio.wait(tasks))我們是為了學習，不是為了攻擊別人伺服器，所以限制一下併發數量
sema = asyncio.Semaphore(3)
async def x_get_face(url):
with(await sema):
await get_face(url)
最後，一頓操作猛如虎，把所有的程式碼補全，就搞定了，這部分沒有什麼特別新鮮的地方，找圖片連結，然後下載。
headers = {"user-agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36"}
async def get_face(url):
print("正在操作{}".format(url))
async with aiohttp.ClientSession() as s:
async with s.get(url,headers=headers,timeout=5) as res:
if res.status==200:
html = await res.text()
html_format = etree.HTML(html)
hrefs = html_format.xpath("//a[@class=`list-group-item random_list`]")
for link in hrefs:
url = link.get("href")
title = link.xpath("div[@class=`random_title`]/text()")[0] # 獲取檔案頭部
path = `./biaoqings/{}`.format(title.strip()) # 硬編碼了，你要先在專案根目錄建立一個biaoqings的資料夾
if not os.path.exists(path):
os.mkdir(path)
else:
pass
async with s.get(url, headers=headers, timeout=3) as res:
if res.status == 200:
new_html = await res.text()
new_html_format = etree.HTML(new_html)
imgs = new_html_format.xpath("//div[@class=`artile_des`]")
for img in imgs:
try:
img = img.xpath("table//img")[0]
img_down_url = img.get("src")
img_title = img.get("alt")
except Exception as e:
print(e)
async with s.get(img_down_url, timeout=3) as res:
img_data = await res.read()
try:
with open("{}/{}.{}".format(path,img_title.replace(`
`,""),img_down_url.split(`.`)[-1]),"wb+") as file:
file.write(img_data)
except Exception as e:
print(e)
else:
pass
else:
print("網頁訪問失敗")等著，大量的表情包就來到了我的碗裡。