python协程gevent案例 爬取斗鱼图片过程解析


						分析

分析网站寻找需要的网址

用谷歌浏览器摁F12打开开发者工具，然后打开斗鱼颜值分类的页面，如图：



在里面的请求中，最后发现它是以ajax加载的数据，数据格式为json，如图：



圈住的部分是我们需要的数据，然后复制它的网址为http://www.douyu.com/gapi/rknc/directory/yzRec/1，出于学习目的只爬取第一页（减少服务器压力）。然后把网址放到浏览器中测试是否可以访问。如图：



结果正常。

分析json数据，提取图片链接



最后分析发现json中的data里面的rl是每个房间的信息，大概有200条左右，拿出其中的一条查询里面的图片链接。





{

        "rid": 1282190,

        "rn": "大家要开心啊~",

        "uid": 77538371,

        "nn": "鲸鱼欧尼",

        "cid1": 8,

        "cid2": 201,

        "cid3": 581,

        "iv": 1,

        "av": "avatar_v3/201908/d62c503c603945098f2c22d0d95c3b2e",

        "ol": 610574,

        "url": "/1282190",

        "c2url": "/directory/game/yz",

        "c2name": "颜值",

        "icdata": {

          "217": {

            "url": "http://sta-op.douyucdn.cn/dy-listicon/king-web.png-v3.png",

            "w": 0,

            "h": 0

          }

        },

        "dot": 2103,

        "subrt": 0,

        "topid": 0,

        "bid": 0,

        "gldid": 0,

        "rs1": "http://rpic.douyucdn.cn/live-cover/appCovers/2019/08/01/1282190_20190801002745_big.jpg/dy1",

        "rs16": "http://rpic.douyucdn.cn/live-cover/appCovers/2019/08/01/1282190_20190801002745_small.jpg/dy1",

        "utag": [

          {

            "name": "呆萌鲸鱼",

            "id": 111405

          },

          {

            "name": "美美美",

            "id": 41

          },

          {

            "name": "萌萌哒",

            "id": 520

          },

          {

            "name": "刀神老婆",

            "id": 132367

          }

        ],

        "rpos": 0,

        "rgrpt": 1,

        "rkic": "",

        "rt": 2103,

        "ot": 0,

        "clis": 1,

        "chanid": 0,

        "icv1": [

          [

            {

              "id": 217,

              "url": "http://sta-op.douyucdn.cn/dy-listicon/web-king-1-10-v3.png",

              "score": 994,

              "w": 0,

              "h": 0

            }

          ],

          [

            

          ],

          [

            

          ],

          [

            

          ]

        ],

        "ioa": 0,

        "od": ""

      }



测试发现rs16是房间的图片，如果把链接最后的/dy1去掉的话，图片就成大图了，心里美滋滋。

代码实现







import gevent

import json

from urllib import request

from gevent import monkey

# 使用gevent打补丁，耗时操作自动替换成gevent提供的模块

monkey.patch_all()

# 图片存放的目录

ROOT = "./images/"

# 设置请求头，防止被反爬虫的第一步

header = {

  "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.142 Safari/537.36 "

}





def download(img_src):

  # 把每个链接最后的/dy1去掉

  img_src: str = img_src.replace("/dy1", "")

  # 提取图片名

  file_name: str = img_src.split("/")[-1]

  response = request.urlopen(request.Request(img_src, headers=header))

  # 保存到本地

  with open(ROOT + file_name, "wb") as f:

    f.write(response.read())

  print(file_name, "下载完成！")

if __name__ == '__main__':



  req = request.Request("http://www.douyu.com/gapi/rknc/directory/yzRec/1", headers=header)

  # 把json数据转换成python中的字典

  json_obj = json.loads(request.urlopen(req).read().decode("utf-8"))

  tasks = []

  for src in json_obj["data"]["rl"]:

    tasks.append(gevent.spawn(download, src["rs16"]))

  # 开始下载图片

  gevent.joinall(tasks)



结果



由于使用的是协程，比线程效率更高，不到1秒就把第一页的图片全部爬取下来了。效果如图：



此案例仅用于学习gevent的使用。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持中文源码网。