基本开发环境

· Python 3.6

· Pycharm

需要导入的库

目标网页分析

网站是静态网站，没有加密，可以直接爬取

整体思路：

1、先在列表页面获取每张壁纸的详情页地址

2、在壁纸详情页面获取壁纸真实高清url地址

3、保存地址

代码实现

模拟浏览器请请求网页，获取网页数据

这里只选择爬取前10页的数据

代码如下

import threadingimport parselimport requestsdef get_html(html_url): ''' 获取网页源代码 :param html_url: 网页url :return: ''' response = requests.get(url=html_url, headers=headers) return responsedef get_par(html_data): ''' 把 response.text 转换成 selector 对象 解析提取数据 :param html_data: response.text :return: selector 对象 ''' selector = parsel.Selector(html_data) return selectordef download(img_url, title): ''' 保存数据 :param img_url: 图片地址 :param title: 图片标题 :return: ''' content = get_html(img_url).content path = '壁纸\\' + title + '.jpg' with open(path, mode='wb') as f: f.write(content) print('正在保存', title)def main(url): ''' 主函数 :param url: 列表页面 url :return: ''' html_data = get_html(url).text selector = get_par(html_data) lis = selector.css('.wb_listbox div dl dd a::attr(href)').getall() for li in lis: img_data = get_html(li).text img_selector = get_par(img_data) img_url = img_selector.css('.wb_showpic_main img::attr(src)').get() title = img_selector.css('.wb_pictitle::text').get().strip() download(img_url, title) end_time = time.time() - s_time print(end_time)if __name__ == '__main__': for page in range(1, 11): url = 'http:///min/list-{}.html'.format(page) main_thread = threading.Thread(target=main, args=(url,)) main_thread.start()

以上就是python 多线程爬取壁纸网站的示例的详细内容，更多关于python 爬取壁纸网站的资料请关注其它相关文章！