生产者与消费者模式爬取动图

Posted Devops代哲

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了生产者与消费者模式爬取动图相关的知识,希望对你有一定的参考价值。

PS 参考博文 :https://www.cnblogs.com/remixnameless/p/13171358.html

import threading
import requests
from lxml import etree
import os
from urllib import request
from queue import Queue
#案例:
    #需要将多个页码对应页面中的图片进行爬取。
    #两个队列:
        #page_queue:存储每一个页面的页码链接
        #img_queue:存储的是每一张图片的链接
headers = {
    "User-Agent": "Mozilla/5.0 (Linux; android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36"
                  " (Khtml, like Gecko) Chrome/73.0.3683.86 Mobile Safari/537.36"
}
class Producer(threading.Thread):

    def __init__(self, page_queue, img_queue, *args, **kwargs):
        super(Producer, self).__init__(*args, **kwargs)
        self.page_queue = page_queue
        self.img_queue = img_queue

    def run(self):
        while True:
            if self.page_queue.empty():
                break
            url = self.page_queue.get()
            self.parse_page(url)

    def parse_page(self, url):
        response = requests.get(url=url, headers=headers)
        text = response.text
        html = etree.HTML(text)
        a_list = html.xpath(\'//*[@id="pic-detail"]/div/div[2]/div[2]/ul/li/div/div/a\')
        for a in a_list:
            img_url = a.xpath(\'./img/@data-original\')[0]
            img_name = a.xpath(\'./p/text()\')[0]+\'.jpg\'
            print(img_name,img_url)
            self.img_queue.put((img_url, img_name))


class Consumer(threading.Thread):
    def __init__(self, page_queue, img_queue, *args, **kwargs):
        super(Consumer, self).__init__(*args, **kwargs)
        self.page_queue = page_queue
        self.img_queue = img_queue

    def run(self):
        while True:
            if self.page_queue.empty() and self.img_queue.empty():
                break
            img_url, img_name = self.img_queue.get()
            request.urlretrieve(img_url, "imgs/" + img_name)
            print(img_name + " 下载完成!")


# 定义一个主方法,该方法向处理方法中传值
def main():
    page_queue = Queue(1000)
    img_queue = Queue(1000)
    #将前5页的页码链接存储到page_queue中
    for x in range(1, 6):
        url = "https://www.doutula.com/photo/list/?page=%d" % x
        print(\'页码url:\',url)
        page_queue.put(url)
    #创建了三个线程生产数据
    for x in range(3):
        t = Producer(page_queue, img_queue)
        t.start()
    #创建三个线程消费数据
    for x in range(3):
        t = Consumer(page_queue, img_queue)
        t.start()


if __name__ == \'__main__\':
    main()

image

以上是关于生产者与消费者模式爬取动图的主要内容,如果未能解决你的问题,请参考以下文章

用Python多线程实现生产者消费者模式爬取斗图网的表情图片

用生产者消费者模式爬取斗图吧,一次性收获超多表情包python爬虫入门进阶(11)

SpringCloud系列十一:SpringCloudStream(SpringCloudStream 简介创建消息生产者创建消息消费者自定义消息通道分组与持久化设置 RoutingKey)(代码片段

用生产者消费者模式爬取斗图吧,一次性收获超多表情包python爬虫入门进阶(11)

[Java基础]生产者和消费者模式概述与案例分析

RbbitMQ04_Spring整合RabbitMQ实现发布与订阅模式路由模式通配符模式