Python多线程下载图片

导包

import re
import os
import urllib.request
import threading

模拟浏览器登录参数

headers ={
    "Referer": "https://www.doutula.com/photo/list/",
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.86 Safari/537.36"
}

一：单线程爬取

1.生成网页列表

我们以爬取斗图啦网页图片为例：

点击最新图片，就会就会显示每一页所有图片，通过观察每一页的网址我们可以找出规律

所以可以将每一页的网址都存入一个列表里，方便爬取时使用
我们先以20页为例

url_list = []
http = "http://www.doutula.com/photo/list/?page="
for i in range(1,20):
    url = http+str(i)
    url_list.append(url)
for url in url_list:
    print(url)

2.爬取图片的网址

我们要获取的是上图标注的东西

for url in url_list:
    res = urllib.request.Request(url,headers=headers)
    res2 = urllib.request.urlopen(res).read().decode("UTF-8")
    result = re.findall(re.compile(r'

3.下载图片到本地

定义下载函数

#定义下载函数
def download_picture(url):
    #修改文件名
    split_list = url.split("/")
    filename = split_list.pop()
    path = os.path.join("doutu",filename)         #文件夹要自己新建，不然会报错
    #下载图片，保存本地
    urllib.request.urlretrieve(url,filename=path)

调用函数

for url in url_list:
    res = urllib.request.Request(url,headers=headers)
    res2 = urllib.request.urlopen(res).read().decode("UTF-8")
    result = re.findall(re.compile(r'

二：多线程下载图片

多线程模式下可以很清楚的看到下载图片的快速

0.加锁

多线程在运行时，会出现同时访问某元素的情况，为避免数据变动后出现错误，需要在取数据的前后进行加锁与解锁

glock = threading.Lock()

1.获取图片网址

新建列表用来存储图片网址

pic_list = []

封装获取图片网址的函数

#生产者：源源不断产生图片网址并存入列表
def get_pic_url():
    while True:
        glock.acquire()
        if len(url_list) == 0:
            glock.release()
            break
        else:
            page_url = url_list.pop()
            glock.release()
            res = urllib.request.Request(page_url,headers=headers)
            res2 = urllib.request.urlopen(res).read().decode("UTF-8")
            result = re.findall(re.compile(r'

2.下载图片

封装下载函数

#消费者：从存储图片网址的列表中拿出网址，进行下载
def download_picture():
    while True:
        glock.acquire()
        if len(pic_list) ==0:
            glock.release()
            continue
        else:
            url = pic_list.pop()
            glock.release()
            #修改文件名
            split_list = url.split("/")
            filename = split_list.pop()
            path = os.path.join("doutu",filename)
            #下载图片，保存本地
            urllib.request.urlretrieve(url,filename=path)

3.函数调用

def main():
    #创建两个线程作为生产者
    for x in range(2):
        product = threading.Thread(target=get_pic_url)
        product.start()
    #创建三个线程作为消费者
    for x in range(3):
        consumer = threading.Thread(target=download_picture)
        consumer.start()

if __name__ == '__main__':
    main()

代码运行没有出错，速度飞快
可以用时间函数计时

import time

if __name__ == '__main__':
    d = time.time()
    main()
    d = time.time()-d
    print(d)

4.问题

代码虽然可以多线程运行，但也出现不停止的情况，所以在条件判断的地方还要优化改进

完整代码

#coding: utf-8
import re
import os
import urllib.request
import threading

headers ={
    "Referer": "https://www.doutula.com/photo/list/",
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.86 Safari/537.36"
}
url_list = []
pic_list = []
glock = threading.Lock()
http = "http://www.doutula.com/photo/list/?page="
for i in range(1,10):
    url = http+str(i)
    url_list.append(url)
# for url in url_list:
#     print(url)


#生产者：源源不断产生图片网址并存入列表
def get_pic_url():
    while True:
        glock.acquire()
        if len(url_list) == 0:
            glock.release()
            break
        else:
            page_url = url_list.pop()
            glock.release()
            res = urllib.request.Request(page_url,headers=headers)
            res2 = urllib.request.urlopen(res).read().decode("UTF-8")
            result = re.findall(re.compile(r'