不会吧，学过爬虫连这个网站都爬不了？那Python岂不是白学了

本文内容

系统分析目标网页
html标签数据解析方法
海量图片数据一键保存

环境介绍

python 3.8
pycharm

模块使用

requests >>> pip install requests
parsel >>> pip install parsel
time 时间模块记录运行时间

通用爬虫导入模块import requests# 数据请求模块第三方模块 pip install requestsimport parsel# 数据解析模块第三方模块 pip install parselimport re# 正则表达式模块请求数据url = f'https://fabiaoqing.com/biaoqing/lists/page/{page}html'headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/95.0.4638.54 Safari/537.36'}response = requests.get(url=url, headers=headers)# <Response [200]> response 对象 200状态码表示请求成功解析数据解析速度 bs4 解析速度会慢一些，如果你想要对于字符串数据内容，直接取值，只能正则表达式
selector = parsel.Selector(response.text) # 把获取下来html字符串数据内容转成 selector 对象title_list = selector.css('.ui.image.lazy::attr(title)').getall()img_list = selector.css('.ui.image.lazy::attr(data-original)').getall()# 把获取下来的这两个列表提取里面元素一一提取出来# 提取列表元素 for循环遍历for title, img_url in zip(title_list, img_list):title = re.sub(r'[\/:*?"<>|\n]', '_', title)# 名字太长报错img_name = img_url.split('.')[-1]# 通过split() 字符串分割的方法根据列表索引位置取值img_content = requests.get(url=img_url).content # 获取图片的二进制数据内容保存数据with open('img\\' + title + '.' + img_name, mode='wb') as f:f.write(img_content)print(title)【不会吧，学过爬虫连这个网站都爬不了？那Python岂不是白学了】

文章插图
共耗时：61秒

文章插图
多线程爬虫发送求情def get_response(html_url):headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/95.0.4638.54 Safari/537.36'}response = requests.get(url=html_url, headers=headers)return response获取图片url地址，以及图片名字def get_img_info(html_url):response = get_response(html_url)selector = parsel.Selector(response.text)# 把获取下来html字符串数据内容转成 selector 对象title_list = selector.css('.ui.image.lazy::attr(title)').getall()img_list = selector.css('.ui.image.lazy::attr(data-original)').getall()zip_data = https://tazarkount.com/read/zip(title_list, img_list)return zip_data保存数据def save(title, img_url):title = re.sub(r'[\/:*?"<>|\n]', '_', title)# 名字太长报错img_name = img_url.split('.')[-1]# 通过split() 字符串分割的方法根据列表索引位置取值img_content = requests.get(url=img_url).content# 获取图片的二进制数据内容with open('img\\' + title + '.' + img_name, mode='wb') as f:f.write(img_content)print(title)主函数def main(html_url):zip_data = get_img_info(html_url)for title, img_url in zip_data:save(title, img_url)入口if __name__ == '__main__':start_time = time.time()exe = concurrent.futures.ThreadPoolExecutor(max_workers=10)for page in range(1, 11):url = f'https://fabiaoqing.com/biaoqing/lists/page/{page}html'exe.submit(main, url)exe.shutdown()end_time = time.time()use_time = int(end_time - start_time)print('程序耗时: ', use_time)

文章插图
共耗时：19秒对于本篇文章有疑问的同学可以加【资料白嫖、解答交流群：1039649593】