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https://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": "https://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": "https://rpic.douyucdn.cn/live-cover/appCovers/2019/08/01/1282190_20190801002745_big.jpg/dy1",
                "rs16": "https://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": "https://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("https://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。

原文地址：https://www.cnblogs.com/lxy0/p/11413976.html