python多线程爬取王者荣耀高清壁纸过程

yma162023-11-15 16:11

多线程与爬虫

目标url

查看http://pvp.qq.com/web201605/wallpaper.shtml

有一个需要注意的就是图片url在html源码中找不到，直接被js渲染了，可以仔细查找访问服务器的url

查看html源码找不到该链接

json中查找url

在一个woKList中

使用csdn的json插件打开，查看链接

这些链接明显不正常需要处理

引用urllib库的parse

按照标准， URL 只允许一部分 ASCII 字符（数字字母和部分符号），其他的字符（如汉字）是不符合 URL 标准的

unqutote进行编码

可以访问，明显看出这分辨率不是高清壁纸

对比高清壁纸

对比高清壁纸：

python获取的url

shp.qpic.cn/ishow/27350...

高清图的url

shp.qpic.cn/ishow/27350...

url结尾的数字是0，处理一下url就可以啦！

访问url

查看RequestURL

添加ua

python 复制代码 
import requests
from  urllib import parse
from lxml import etree
import xlwt


def requests_get(url):#访问url
    headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.88 Safari/537.36",
        "Referer":"http://pvp.qq.com/web201605/wallpaper.shtml",
        "Host": "apps.game.qq.com",
    #     "Cookie": '***'
    #
    }
    htmlText=''
    try:
        resp = requests.get(url, headers=headers)
        htmlText = resp.text  # 返回的不是html
    except Exception as e:
        print(e)
    return htmlText

def deal_url(text):#url进行编码
    return parse.unquote(text)
if __name__=='__main__':
    url='http://apps.game.qq.com/cgi-bin/ams/module/ishow/V1.0/query/workList_inc.cgi?activityId=2735&sVerifyCode=ABCD&sDataType=JSON&iListNum=4&totalpage=0&page=0&iOrder=0&iSortNumClose=1&jsoncallback=jQuery17107221495925873804_1618046009669&iAMSActivityId=51991&_everyRead=true&iTypeId=1&iFlowId=267733&iActId=2735&iModuleId=2735&_=1618046009859'
    print(requests_get(url))

查看打印的内容，ok呼应上了但是，但是数据在jquery中

去掉url中jsoncallback=jQuery

  • 原始
    url='apps.game.qq.com/cgi-bin/ams...&jsoncallback=jQuery17107221495925873804_1618046009669&iAMSActivityId=51991&everyRead=true&iTypeId=1&iFlowId=267733&iActId=2735&iModuleId=2735& =1618046009859'
  • 去掉之后
    url='apps.game.qq.com/cgi-bin/ams...&everyRead=true&iTypeId=1&iFlowId=267733&iActId=2735&iModuleId=2735& =1618046009859'
    返回json的格式

读取json

查看json的list数组

List数组

  • sProdImgNo_[1-8] 对应8张不同分辨率的图片
  • sProdName 图片名字


初步获取图片的名字和8张分辨率不同的图片

python 复制代码 
import requests
from  urllib import parse
from lxml import etree
import xlwt


def requests_get(url):#访问url
    headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.88 Safari/537.36",
        "Referer":"http://pvp.qq.com/web201605/wallpaper.shtml",
        "Host": "apps.game.qq.com",
        "Cookie": '***'

    }
    htmlText=''
    try:
        resp = requests.get(url, headers=headers)
        json_url=resp.json() #返回json
        datas=json_url['List']
        for d in datas:
            img_data=img_url(d)
            img_name=parse.unquote(d['sProdName'])
            print('-'*30)
            print(img_name)
            print(img_data)
            print('-' * 30)
    except Exception as e:
        print(e)
    return htmlText

def img_url(data):#url进行编码
    img_data=[]
    for x in range(1,9):#获取8张分辨率不同的图片
        img_url=parse.unquote(data['sProdImgNo_%d'%x].replace('200','0'))#替换为高清的url
        img_data.append(img_url)
    return img_data

if __name__=='__main__':
    url = 'http://apps.game.qq.com/cgi-bin/ams/module/ishow/V1.0/query/workList_inc.cgi?activityId=2735&sVerifyCode=ABCD&sDataType=JSON&iListNum=4&totalpage=0&page=0&iOrder=0&iSortNumClose=1&iAMSActivityId=51991&_everyRead=true&iTypeId=1&iFlowId=267733&iActId=2735&iModuleId=2735&_=1618046009859'
    print(requests_get(url))

全部图片

只是获取4个英雄的图片

修改iListNum=20获取20个英雄的

修改page实现翻页

python 复制代码 
url='''http://apps.game.qq.com/cgi-
bin/ams/module/ishow/V1.0/query/workList_inc.cgi?
activityId=2735&sVerifyCode=ABCD&sDataType=JSON
&iListNum=4
&totalpage=0
&page=0
&iOrder=0
&iSortNumClose=1&iAMSActivityId=51991&_everyRead=true&iTypeId=1&iFlowId=267733&iActId=2735&iModuleId=2735&_=1618046009859'''

粗暴的单线程获取

python 复制代码 
import requests
from  urllib import parse,request
import os
def requests_get(url):#访问url
    headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.88 Safari/537.36",
        "Referer":"http://pvp.qq.com/web201605/wallpaper.shtml",
        "Host": "apps.game.qq.com",
        "Cookie": '***'
    }
    try:
        resp = requests.get(url, headers=headers)
        json_url=resp.json() #返回json
        datas=json_url['List']
        for d in datas:
            img_data=img_url(d)
            img_name=parse.unquote(d['sProdName']).replace("1:1",'').strip()
            dirpath = os.path.join('images',img_name)
            if not os.path.exists(dirpath):
                os.mkdir(dirpath)  # 创建目录
            for index,image_url in enumerate(img_data):#枚举
                request.urlretrieve(image_url,os.path.join(dirpath,'%d.jpg'%(index+1)))
                print('%s下载完成'%(image_url))
    except Exception as e:
        print(e)
    return True

def img_url(data):#url进行编码
    img_data=[]
    for x in range(1,9):#获取8张分辨率不同的图片
        img_url=parse.unquote(data['sProdImgNo_%d'%x].replace('200','0'))#替换为高清的url
        img_data.append(img_url)
    return img_data

if __name__=='__main__':
    url = 'http://apps.game.qq.com/cgi-bin/ams/module/ishow/V1.0/query/workList_inc.cgi?activityId=2735&sVerifyCode=ABCD&sDataType=JSON&iListNum=40&totalpage=0&page={page}&iOrder=0&iSortNumClose=1&iAMSActivityId=51991&_everyRead=true&iTypeId=1&iFlowId=267733&iActId=2735&iModuleId=2735&_=1618046009859'
    for i in range(1,18):
        url=url.format(page=i)#替换页码
        requests_get(url)

多线程执行

模拟生产者消费者

python 复制代码 
import requests
from  urllib import parse,request
import os
import threading
from queue import Queue

headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.88 Safari/537.36",
    "Referer": "http://pvp.qq.com/web201605/wallpaper.shtml",
    "Host": "apps.game.qq.com",
    "Cookie": '***'

}
class Producer(threading.Thread):
    def __init__(self,page_que,img_que,*arges,**kwargs):
        threading.Thread.__init__(self)#重写
        self.page_que=page_que
        self.img_que=img_que
    def run(self)->None:
        while not self.page_que.empty():
            page_url=self.page_que.get()
            try:
                resp = requests.get(page_url, headers=headers)
                json_url = resp.json()  # 返回json
                datas = json_url['List']
                for d in datas:
                    img_data = img_url(d)
                    img_name = parse.unquote(d['sProdName']).replace("1:1", '').strip()
                    dirpath = os.path.join('images', img_name)
                    if not os.path.exists(dirpath):
                        os.mkdir(dirpath)  # 创建目录
                    for index, image_url in enumerate(img_data):  # 枚举
                        self.img_que.put({'image_url':image_url,'img_path':os.path.join(dirpath, '%d.jpg' % (index + 1))})#图片路径加入队列
            except Exception as e:
                print(e)
            #执行某一页的获取url
            #下载

class Consumer(threading.Thread):#下载图片
    def __init__(self,img_que,*arges,**kwargs):
        threading.Thread.__init__(self)
        self.img_que=img_que
    def run(self)->None:
        while True:
            try:
                img_obj = self.img_que.get(timeout=8)
                img_url = img_obj.get('image_url')
                img_path = img_obj.get('img_path')
                try:
                    request.urlretrieve(img_url, img_path)
                    print('%s下载完成' % (img_path))
                except:
                    print('%s下载失败' % (img_path))
            except:
                break

def img_url(data):#url进行编码
    img_data=[]
    for x in range(1,9):#获取8张分辨率不同的图片
        img_url=parse.unquote(data['sProdImgNo_%d'%x].replace('200','0'))#替换为高清的url
        img_data.append(img_url)
    return img_data

if __name__=='__main__':
    url = 'http://apps.game.qq.com/cgi-bin/ams/module/ishow/V1.0/query/workList_inc.cgi?activityId=2735&sVerifyCode=ABCD&sDataType=JSON&iListNum=40&totalpage=0&page={page}&iOrder=0&iSortNumClose=1&iAMSActivityId=51991&_everyRead=true&iTypeId=1&iFlowId=267733&iActId=2735&iModuleId=2735&_=1618046009859'
    page_queue=Queue(18)# 18页
    img_queue=Queue(1000)#
    for i in range(1,18):
        url=url.format(page=i)#替换页码
        page_queue.put(url)#页面url提取
    for i in range(3):
        th1=Producer(page_queue,img_queue,name='生产者%s号'%i)
        th1.start()
    for i in range(5):
        th1=Consumer(img_queue,name='消费者%s号'%i)
        th1.start()

抓取成功！

相关推荐
熊的猫6 分钟前
DOM 规范 — MutationObserver 接口
前端·javascript·chrome·webpack·前端框架·node.js·ecmascript
天农学子6 分钟前
Easyui ComboBox 数据加载完成之后过滤数据
前端·javascript·easyui
mez_Blog7 分钟前
Vue之插槽（slot）
前端·javascript·vue.js·前端框架·插槽
爱睡D小猪10 分钟前
vue文本高亮处理
前端·javascript·vue.js
开心工作室_kaic13 分钟前
ssm102“魅力”繁峙宣传网站的设计与实现+vue(论文+源码)_kaic
前端·javascript·vue.js
放逐者-保持本心，方可放逐13 分钟前
vue3 中那些常用 靠copy 的内置函数
前端·javascript·vue.js·前端框架
IT古董14 分钟前
【前端】vue 如何完全销毁一个组件
前端·javascript·vue.js
Henry_Wu00116 分钟前
从swagger直接转 vue的api
前端·javascript·vue.js
奋飞安全17 分钟前
初试js反混淆
开发语言·javascript·ecmascript
Ciito1 小时前
vue项目使用eslint+prettier管理项目格式化
前端·javascript·vue.js
热门推荐
01玄机平台应急响应—webshell查杀02Ubuntu 20.04使用Livox mid 360 测试 FAST_LIO03【HarmonyOS】HUAWEI DevEco Studio 下载地址汇总04新版微信小程序获取用户手机号05文件或文件夹名称中有空格如何批量去除06组基轨迹建模 GBTM的介绍与实现（Stata 或 R）07【TC3xx芯片】TC3xx芯片电源管理系统PMS详解08优化手机性能，解决卡顿问题：关闭这3个微信开关，释放内存空间09基于YOLOv10深度学习的CT扫描图像肾结石智能检测系统【python源码+Pyqt5界面+数据集+训练代码】深度学习实战、目标检测10【Flutter】基于 GetX 实现 Dio 的生命周期自动化