python多线程爬取图片

1. 创建一个 Queue.Queue() 的实例，然后使用数据对它进行填充。
2. 将经过填充数据的实例传递给线程类，后者是通过继承 threading.Thread 的方式创建的。
3. 生成守护线程池。
4. 每次从队列中取出一个项目，并使用该线程中的数据和 run 方法以执行相应的工作。
5. 在完成这项工作之后，使用 queue.task_done() 函数向任务已经完成的队列发送一个信号。

6. #!/usr/bin/env python
   #encoding:UTF-8
   
   import re
   import urllib
   import threading
   import time
   import Queue
   
   
   def getHtml(url):
       html_page = urllib.urlopen(url).read()
       return html_page
   
   
   #提取网页中图片的URL
   def getUrl(html):
       pattern = r 'http://.*?\.jpg!mid'   #正则表达式  .*?(匹配http://和\.jpg!mid之间所有字符串)
       imgre = re. compile (pattern)
       imglist = re.findall(imgre,html)   #re.findall(pattern,string)  在string中寻找所有匹配成功的字符串，以列表形式返回值
       return imglist
   
   
   class getImg(threading.Thread):
       def __init__( self ,queue):        #进程间通过队列通信，所以每个进程需要用到同一个队列初始化
           threading.Thread.__init__( self )
           self .queue = queue
           #self.setDaemon(True)         #守护线程
           self .start()                 #启动线程
   
       #使用队列实现进程间通信
       def run( self ):
           global count
           while ( True ):
               imgurl = self .queue.get()
               # print self.getName()
   
               #urllib.urlretrieve(url,filname) 将url的内容提取出来，并存入filename中
               urllib.urlretrieve(imgurl, '/home/dragonriver/图片/girls/%s.jpg' % count)
           #   print "%s.jpg done"%count
               count + = 1
               if self .queue.empty():
                   break
               self .queue.task_done()  #当使用者线程调用 task_done() 以表示检索了该项目、并完成了所有的工作时，那么未完成的任务的总数就会减少。
   
   
   
   def main():
       global count
       url = "http://girl-atlas.com/a/10130205170100000231"  #要爬的网页地址
       html = getHtml(url)
       imglist = getUrl(html)
       threads = []
       count = 0
       queue = Queue.Queue()
   
       #将所有任务加入队列
       for i in range ( len (imglist)):
           queue.put(imglist[i])
   
       #多线程爬去图片
       for i in range ( 4 ):
           thread = getImg(queue)
           threads.append(thread)
   
       #合并进程，当子进程结束时，主进程才可以执行
       #for thread in threads:
       #   thread.join()
   
       #另一种保持主进程阻塞的方法，次方法和前面的self.queue.task_tone()相照应
       #两个要同时使用
       #queue.join()
   
   
   if __name__ = = '__main__' :
       main()
       print "Down"