Python大作網圖片采集下載，多線程圖片爬蟲

原文出處:

https://cloud.tencent.com/developer/article/1666445

 

大作——找靈感,用大作，一個比較知名的素材類網站，里面涵蓋多行業圖片素材，類似於花瓣網，發現這種類型的素材網站還是比較多的，Python大作網圖片采集下載，多線程圖片爬蟲，多線程的方式是以前最早玩的線程池的方式實現的，但是發現好像容易出錯。

 

 

同樣的抓包分析圖片數據

發現數據還是比較多，我們耐心查找入口

 

 

對應的json數據，一目了然

 

 

大作網圖片地址還做了反爬處理，其實一般都是加一個refer地址就能搞定！

關於圖片數據，我們也可以通過瀏覽器抓包，清晰的看到

'referer': 'https://www.bigbigwork.com/tupian/image/20148309331.html',

一般添加上這個字段就能順利爬取下載圖片

運行效果：

 

 

 

 

 附源碼：

#大作網采集
# -*- coding: UTF-8 -*-
import requests,time,json
from fake_useragent import UserAgent
from multiprocessing.dummy import Pool as ThreadPool

def ua():
    ua=UserAgent()
    headers={"User-Agent":ua.random}
    return headers

def get_list():
    img_urls=[]
    url="https://www.bigbigwork.com/q?w=texture%20patterns&c=%E7%BA%B9%E7%90%86&h=%E5%B7%A5%E4%B8%9A%E8%AE%BE%E8%AE%A1"
    response=requests.get(url,headers=ua(),timeout=6).content.decode('utf-8')
    time.sleep(1)
    response_dict=json.loads(response)
    print(len(response_dict['data']))
    datas=response_dict['data']
    for data in datas:
        img_urls.append(data['bUrl'])

    return img_urls

#單線程
def tps(img_urls):
    ua = UserAgent()
    headers = {
        'referer': 'https://www.bigbigwork.com/tupian/image/20148309331.html',
        'User-Agent': ua.random,
    }
    i=1
    for img_url in img_urls:
        r = requests.get(img_url,headers=headers,timeout=6)
        time.sleep(1)
        with open(f'{i}.jpg','wb')as f:
            f.write(r.content)
        print("下載圖片成功")
        i=i+1


#多線程調用版本
def tp(img_url):
    ua = UserAgent()
    headers = {
        'referer': 'https://www.bigbigwork.com/tupian/image/20148309331.html',
        'User-Agent': ua.random,
    }
    img_name=img_url.split('/')[-1]
    r = requests.get(img_url,headers=headers,timeout=6)
    time.sleep(1)
    with open(img_name,'wb')as f:
        f.write(r.content)
    print(f"{img_name}下載圖片成功")



def run():
    img_urls=get_list()
    try:
        # 開4個 worker，沒有參數時默認是 cpu 的核心數
        pool = ThreadPool()
        results = pool.map(tp, img_urls)
        pool.close()
        pool.join()
        print("采集所有圖片完成！")
    except:
        print("Error: unable to start thread")


if __name__=='__main__':
    run()