Python实战:用多线程和多进程打造高效爬虫

warning: 这篇文章距离上次修改已过202天,其中的内容可能已经有所变动。



import requests
from bs4 import BeautifulSoup
from concurrent.futures import ThreadPoolExecutor, ProcessPoolExecutor
import os
import re
 
def download_image(image_url, directory):
    response = requests.get(image_url)
    file_name = image_url.split('/')[-1]
    with open(os.path.join(directory, file_name), 'wb') as file:
        file.write(response.content)
 
def extract_images(html):
    soup = BeautifulSoup(html, 'html.parser')
    return [img['src'] for img in soup.find_all('img', {'class': re.compile('lazy')})]
 
def crawl_and_download(url, directory, threads=5, processes=3):
    response = requests.get(url)
    image_urls = extract_images(response.text)
    
    if not os.path.exists(directory):
        os.makedirs(directory)
    
    with ThreadPoolExecutor(max_workers=threads) as executor:
        executor.map(download_image, image_urls, [directory] * len(image_urls))
    
    # 如果想使用多进程替换上面的线程池,取消以下注释
    # with ProcessPoolExecutor(max_processes=processes) as executor:
    #     executor.map(download_image, image_urls, [directory] * len(image_urls))
 
if __name__ == '__main__':
    base_url = 'https://www.example.com/gallery'
    output_directory = 'images'
    crawl_and_download(base_url, output_directory)

这段代码示例展示了如何使用多线程和多进程来下载图片。首先定义了一个下载单个图片的函数download_image,以及一个解析HTML内容并提取图片链接的函数extract_imagescrawl_and_download函数负责发送HTTP请求、解析页面和调用多线程或多进程执行图片下载。通过注释展示了如何在多线程和多进程之间切换。

最后修改于:2024年08月10日 13:33

评论已关闭

推荐阅读

DDPG 模型解析,附Pytorch完整代码
2024年11月24日
DQN 模型解析,附Pytorch完整代码
2024年11月24日
AIGC实战——Transformer模型
2024年12月01日
Socket TCP 和 UDP 编程基础(Python)
2024年11月30日
python , tcp , udp
如何使用 ChatGPT 进行学术润色?你需要这些指令
2024年12月01日
AI
最新 Python 调用 OpenAi 详细教程实现问答、图像合成、图像理解、语音合成、语音识别(详细教程)
2024年11月24日
ChatGPT 和 DALL·E 2 配合生成故事绘本
2024年12月01日
omegaconf,一个超强的 Python 库!
2024年11月24日
【视觉AIGC识别】误差特征、人脸伪造检测、其他类型假图检测
2024年12月01日
[超级详细]如何在深度学习训练模型过程中使用 GPU 加速
2024年11月29日
Python 物理引擎pymunk最完整教程
2024年11月27日
MediaPipe 人体姿态与手指关键点检测教程
2024年11月27日
深入了解 Taipy:Python 打造 Web 应用的全面教程
2024年11月26日
基于Transformer的时间序列预测模型
2024年11月25日
Python在金融大数据分析中的AI应用(股价分析、量化交易)实战
2024年11月25日
AIGC Gradio系列学习教程之Components
2024年12月01日
Python3 `asyncio` — 异步 I/O,事件循环和并发工具
2024年11月30日
llama-factory SFT系列教程:大模型在自定义数据集 LoRA 训练与部署
2024年12月01日
Python 多线程和多进程用法
2024年11月24日
Python socket详解,全网最全教程
2024年11月27日