零基础爬取堆糖网图片(二)—多线程版

全文介绍：

接着上篇文章，我们已经实现图片的下载，但是我们发现整个爬取过程中，因为使用了for循环嵌套，导致每次遍历，都会打开文件在关闭，打开文件在关闭（套娃）。所以需要注意for循环的使用，其次下载图片是整个程序中最耗时的，如果需要提升爬取速度，那么我们可以从这个方向入手，实现多线程爬取

涉及内容：

1. 爬虫基本流程
2. requests库基本使用
3. urllib.parse模块
4. threading模块

图例说明：

1. 请求与响应

2. 爬虫基本流程

正文：

1.导入

import urllib.parse
import threading
import requests

2.发送请求，获取响应

def get_page(url):
    page = requests.get(url)
    page = page.content
    # 将 bytes 转化为 字符串
    page = page.decode(\'utf-8\')

    return page

3.关键字以及翻页

def pages_from_duitang(label):
    url = \'https://www.duitang.com/napi/blog/list/by_search/?kw={}&start={}\'
    pages = []
    # 将中文转化成url编码
    label = urllib.parse.quote(label)
    # 0-3600 步长100
    for index in range(0, 3600, 100):
        # 将这两个变量替换占位符{}
        u = url.format(label, index)
        print(u)
        page = get_page(u)
        pages.append(page)
    return pages

4.获取一个页面上的所有图片子链接

def findall_pages(page, startpart, endpart):
    all_string = []
    end = 0
    # -1代表找不到 意思就是匹配到就执行循环
    while page.find(startpart, end) != -1:
        # 匹配第一个字符，从下标0开始匹配到的位置下标，并将字符长短传给start变量
        start = page.find(startpart, end) + len(startpart)
        # 将从第一个需要匹配的字符串后面的字符开始，匹配第二个需要匹配的字符出现的位置，并将这个下标值赋给end变量
        end = page.find(endpart, start)
        # 切片 取两个所要匹配字符 之间的部分也就是图片url
        string = page[start:end]
        # 存入列表
        all_string.append(string)
    return all_string

5.爬取全部页面

def pic_url_from_pages(pages):
    pic_url = []
    for page in pages:
        url = findall_pages(page, \'path":"\', \'"\')
        pic_url.extend(url)     # 合并列表
    return pic_url

6.下载图片

def pic_download(url, n):
    r = requests.get(url)
    path = r"C:\Users\Mark\Desktop\新建文件夹 (2)\%s.jpg" %n
    with open(path, \'wb\')as d:
        d.write(r.content)

7.调用函数

之前的函数就像是一个一个的零件，现在我们要拼装这些零件，这个车才开的起来！