用Python爬取5000张手机高清壁纸
数据源分析
爬取目标
图片首页地址为：https://www.3gbizhi.com/sjbz/index_1.html，该网站壁纸质量不错，清晰度也非常好，重点是对爬虫也非常友善，试了几次，爬取速度都可以，因此大家应该把该网站用于学习目的。
使用的 Python 模块
本次使用 requests，re，threading。
threading 模块将在本案例中，进行分页多线程抓取。
重点学习内容
爬虫基本套路
多线程图片爬虫
通过小图获取大图
列表页分析
分析列表的时候发现，该网站可以直接通过，修改列表页图片地址获取高清地址，有这样的技巧存在，就能大幅度减少爬虫代码编写量，具体如下
通过浏览器检查图片标签，获得如下图所示图片地址，即 https://pic.3gbizhi.com/2020/1214/20201214112632727.jpg.476.780.jpg
在浏览器中打开该地址，得到一张图片预览地址，去除 .476.780 相关内容，直接获取到大图地址，即 https://pic.3gbizhi.com/2020/1214/20201214112632727.jpg
既然可以通过列表页直接获取大图地址，那针对该网站的爬取，直接通过列表页即可实现。下面就可以针对分析进行需求的整理工作
整理需求如下
1. 爬取目标网站列表页；
2. 分析图片大图链接；
3. 请求图片，保存图片。
编码时间
在上文针对列表页面进行了数据上的分析，接下来就可以对其进行代码编写了。
编写图片地址提取代码，该代码的重点在于，需要将图片地址后面的缩放进行处理，即下述代码 url[:url.find('jpg')+3] 部分内容，下文中的正则表达式部分需要特别注意，在网站上右键查看的源码与服务器返回的代码存在差异，测试时需针对服务器返回进行匹配。
下文代码中 save_image 在后文涉及。
```python
import requests
import re
import threading
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 6.1; Win64; x64) "}
# 循环获取 URL
def get_image(base_url):
res = requests.get(url=base_url, headers=headers)
if res is not None:
html = res.text
# 正则表达式提取数据
pattern = re.compile(
'
match_list = pattern.findall(html)
for url, title in match_list:
# url 字符串进行处理，去除缩略图部分
save_image(url[:url.find('jpg')+3], title)
print(match_list)
```
此时获取到的就是图片的真实地址，调用 `save_image` 函数，对远程图片进行存储。其中 `title` 为图片存储地址。
```pythpn
def save_image(url, title):
try:
print(f"{title} - {url}")
res = requests.get(url=url, headers=headers)
if res is not None:
html = res.content
with open(f"images/{title}.jpg", "wb+") as f:
f.write(res.content)
except Exception as e:
print(e)
```
最后使用多线程进行爬取，开启 5 个线程，当所有线程结束运行时，停止整体代码。
```python
if __name__ == '__main__':
num = 0
# 最多开启5个线程
semaphore = threading.BoundedSemaphore(5)
for index in range(189):
t = threading.Thread(target=get_image, args=(
f"https://www.3gbizhi.com/sjbz/index_{index}.html",))
t.start()
while threading.active_count() != 1:
pass
else:
print('所有线程运行完毕')
```
运行我们的爬虫程序，会看到图片批量的存储到了本地。
抓取结果展示时间
抓取到非常多优质的手机壁纸，换到手机不能用，都用不完了
完整代码下载地址：main.py
代码编写过程中，顺手爬取了一堆图片，可以提前预览一波，看看图，在决定是否运行这段代码。
下载链接：
三千张壁纸 密码：1188