当前位置: 首页 > news >正文

一般的企业网站开发价格国家市场监督局官网入口

一般的企业网站开发价格,国家市场监督局官网入口,石家庄制作网站公司有哪些,搜索引擎优化的定义1.提示#xff1a; 使用需要安装各种import的包#xff0c;都是很基础的包#xff0c;直接安装即可。 自备梯子 。 切记把userid和cookie改为自己账号的参数#xff01; userid就是点击pixiv头像#xff0c;网址后面一串数#xff0c; cookie是打开排行榜后#xff0c;… 1.提示 使用需要安装各种import的包都是很基础的包直接安装即可。 自备梯子 。 切记把userid和cookie改为自己账号的参数 userid就是点击pixiv头像网址后面一串数 cookie是打开排行榜后按F12打开开发者工具然后切换到network(网络)栏刷新页面找到ranking.php文件在里面就能找到cookie信息。 2.严肃警告 本程序仅可用作个人爱好商业用途严禁请自觉遵守君子协定robots.txt不要给网址过大的压力每天以及同一时段的访问量请控制在一定程度内 3.思路 天天有群友找我要涩图库存根本不够哇得想办法弄点。 pixiv的爬取有很多大佬做过了不过我看了一些都是弄得类似于项目一样确实都很厉害但我的需求简单写在一个文件里适合我这种懒蛋。 首先通过RankingCrawler类的get_multi_page_json方法获取榜单的json数据将id添加到collector中。然后通过collector的collect方法遍历每个id用get_artworks_urls方法获取id页面内的所有图片的urls将url添加到downloader中。最后通过downloader的download方法多线程调用同class内的download_image方法同时下载图片。 4.使用方法 一般来说都是直接run就行所有需要修改的参数都在RankingCrawler类的init中看一眼就明白 5.代码如下 import os import re import time import requests import concurrent.futures as futuresfrom typing import Set, Iterable, Callable, Dict, Optional, Tuple from tqdm import tqdmclass Downloader():def __init__(self, capacity, headers, threads, standard_time, date):self.url_group: Set[str] set()self.capacity capacity # 最大下载量(MB)self.store_path date / # 日期作为存储路径self.standard_time standard_timeself.threads threadsself.headers headers.copy()# 添加urldef add(self, urls: Iterable[str]):for url in urls:self.url_group.add(url)# 下载单张图片def download_image(self, url: str) - float:func: 1.根据url下载单张图片返回图片大小(MB)return: 返回图片大小(MB)url example: https://i.pximg.net/img-master/img/2024/02/10/03/09/52/115911580_p0_master1200.jpg# image_nameimage_name url[url.rfind(/) 1:]# image_idimage_id re.search(r/(\d)_, url).group(1)# image_pathimage_path self.store_path image_name# 添加Refererself.headers.update({Referer: fhttps://www.pixiv.net/artworks/{image_id}})# 确保存储路径存在os.makedirs(self.store_path, exist_okTrue)# 判断图片是否存在if os.path.exists(image_path):# print(fFile {image_name} already exists. Skipping download.)return 0# 下载图片, 尝试最多10次因为是多线程下载所以间隔时间可以稍微长一点点for i in range(10):try:response requests.get(url, headersself.headers, timeout(4, self.standard_time)) # timeout(连接超时, 读取超时)if response.status_code 200:if content-length not in response.headers: # 确保content-length在response.headers中否则抛出异常raise content-length not in response.headersimage_size int(response.headers[content-length])with open(image_path, wb) as f:f.write(response.content)return image_size / (1 20)except Exception as e:passreturn 0# 多线程下载多张图片def download(self):# 提前封装download_image函数的固定参数因为map函数只能传入一个参数flow_size .0print( downloader start )with futures.ThreadPoolExecutor(self.threads) as executor:# tqdm为进度条with tqdm(totallen(self.url_group), descdownloading) as pbar:# 多线程并发通过futures的map方法将url_group中的每个url传入download_image函数并通过迭代器的方式返回每个图片的大小for image_size in executor.map(self.download_image, self.url_group):flow_size image_sizepbar.update()pbar.set_description(fdownloading / flow {flow_size:.2f}MB)if flow_size self.capacity:executor.shutdown(waitFalse, cancel_futuresTrue)breakprint( downloader complete )return flow_sizeclass Collector():def __init__(self, threads, user_id, headers, downloader):self.id_group: Set[str] set() # illust_idself.threads threadsself.user_id user_idself.headers headers.copy()self.downloader downloaderdef add(self, image_ids):self.id_group.add(image_ids)# 解析HTTP响应提取并返回一个包含原始图像URLs的集合def select_page(self, response) - Set[str]:url: https://www.pixiv.net/ajax/illust/xxxx/pages?langzhcollect all image urls from (page.json)Returns: Set[str]: urlsgroup set()for url in response.json()[body]:group.add(url[urls][original])return group# 对给定的URL执行HTTP GET请求并使用指定的选择器函数处理响应数据def get_artworks_urls(self, args: Tuple[str, Callable, Optional[Dict]]) - Optional[Iterable[str]]:# 拿到参数url, selector, additional_headers args# 更新请求头headers self.headersheaders.update(additional_headers)time.sleep(1)# 尝试抓取最多10次for i in range(10):try:response requests.get(url, headersheaders, timeout4)if response.status_code 200:id_group selector(response)return id_groupexcept Exception as e:print(e)time.sleep(1)# 并发地收集所有艺术作品的图像URLs并将它们发送给下载器进行下载。def collect(self):collect all image ids in each artwork, and send to downloaderNOTE: an artwork may contain multiple imagesprint( collector start )with futures.ThreadPoolExecutor(self.threads) as executor:with tqdm(totallen(self.id_group), desccollecting urls) as pbar:# 生成每个illust_id对应的urlurls_list [fhttps://www.pixiv.net/ajax/illust/{illust_id}/pages?langzh for illust_id in self.id_group]# 生成每个illust_id对应的请求头additional_headers [{Referer: fhttps://www.pixiv.net/artworks/{illust_id},x-user-id: self.user_id,}for illust_id in self.id_group]# 通过get_artworks_urls获取url下的所有图片urls发送给downloader# futures.ThreadPoolExecutor(n_thread).map(func, iterable) 会将可迭代对象中的每个元素传入func中, 并将所有的func返回值组成一个迭代器返回for urls in executor.map(self.get_artworks_urls, zip(urls_list, [self.select_page] * len(urls_list), additional_headers)):if urls is not None:self.downloader.add(urls)pbar.update()print( collector complete )return self.id_groupclass RankingCrawler():def __init__(self):download artworks from ranking参数(*为可修改的):top_num: 排行榜前多少名*time_mode: 榜单时间(日, 周, 月...)*content: 内容(插画, 漫画, 动图...)*headers: 请求头*threads: 线程数*capacity: 最大流量容量(MB)*standard_time: 标准等待时间user_id: 自己的用户id*date: 任意结束日期(不能为当日日期最多为当日日期-2天)* (例20240218modemonthly那么就是抓取20240118到20240218的榜单)切记cookie和user_id要是同一个账号的self.top_num 50self.time_mode monthly # daily_air, weekly, monthlyself.content illustself.headers {Cookie: first_visit_datetime_pc2022-08-0215%3A36%3A28; p_ab_id1; p_ab_id_27; p_ab_d_id1023356603; yuid_bQXQ4QA; privacy_policy_notification0; a_type1; d_type1; login_everyes; _im_vid01HM1N03159737XTWCJAJ2BY5P; QSI_S_ZN_5hF4My7Ad6VNNAiv:0:0; _gcl_au1.1.652233640.1707984789; _im_uid.3929b.427a030d239f8f0f; _pbjs_userid_consent_data3524755945110770; _im_vid01HM1N03159737XTWCJAJ2BY5P; _pubcid72d87e02-9d02-4eba-b647-77676ef3673c; device_token29dcd2275dd3ad33f978780a8732d797; __utmc235335808; cf_clearancedm9BjZDgPR_7P6FyF01hMvFo6_YHMMnXeuNeh27eCBI-1708345123-1.0-AXR4V4yJkDaYgijBkHd9UVuIBnEInvPrmHN34DpD3t5tIpehWxrAgQ1r9I7vQIyMtEzFrjhsmdmnry7qq6lY; _gidGA1.2.2041924151.1708345235; FCNEC%5B%5B%22AKsRol__CNeOIOGzfarvWVE024ABJyuS0JuZ-a4EVu2bO3v6IulUgGzLEasagVrBZ8eiP7sMcLdj_PBN2pCXdLdRknBjvSJpTzg49MUAwkwk207sqOnAyn5LgYIxGDYKQBmDpY-jP4z9ZvoV_d7DxVjb4ZueshxsXQ%3D%3D%22%5D%5D; cto_bundleZTCen19jalZ0ZGVPMm1QN3ljUmJ0ZjBlazdXenp1JTJGeFIwNUNOb001V2ZCTHNveGVrNzFzUWlDcSUyRllKeFl3a2lZciUyRnpLWXRzOFgwVk41OXRKWCUyRlZCMWxEYTdkR0tmJTJGQzBNaUZ6JTJCNUgwJTJCcjAzdkhNcVhQRlVqTkNRUzB1Mm01QjBZVUFHZUl3UkglMkJRWXpUUHMyUEdMMDQzUlFBJTNEJTNE; cto_bidid6NqvDl9EUWVHTDZEMjdZVEVad0g2Skh0bDdtMVpCJTJGNiUyRjlBQ3N0JTJCeVZaeUU0dWIzemIzRlVsWjZVWnlDcFh4VnJVQ0xNRERtRCUyQnRDRmU0UkQlMkZOdERHUWJsMmJDREVzdks3SXJjVFNFWXBpOFI2bVklM0Q; cto_dna_bundlegW3ZBF85WlVTMUslMkYzb3lGS2J1ekVhb2pXaVgyQnF5ZkFyelBXZUIyMEMlMkYlMkZOWnZGbkhVaFBjT1pRcmhvdEdzTlhOcTdKY05RaGt2UVFnSkt2SSUyQmFrWWZ4ZjVBJTNEJTNE; __cf_bmGkb0bQ.CRssgRal1ghknMYEnCsmNswZBWIuaMx2X7oM-1708357221-1.0-ATqghKCzNgKhPGDn/t/63H7GOrNexnTOvVEISsYAqKF7zAHAvxfHu8TDsTqTzF5NFX8xRefd66F65w5OJEqjrVf2VjhiR6yBOMzrOJuG5; __utma235335808.1308491601.1659422191.1708353783.1708357223.12; __utmz235335808.1708357223.12.5.utmcsrgoogle|utmccn(organic)|utmcmdorganic|utmctr(not%20provided); __utmt1; cc12024-02-20%2000%3A40%3A32; PHPSESSID22198038_H87q1tYtLEbhlcvsrAd5IZGu6xOHyQ8o; c_type22; privacy_policy_agreement0; b_type2; _ga_MZ1NL4PHH0GS1.1.1708357236.5.1.1708357301.0.0.0; __utmv235335808.|2login%20everyes1^3plannormal1^5genderfemale1^6user_id221980381^9p_ab_id11^10p_ab_id_271^11langzh1; __utmb235335808.3.10.1708357223; _gaGA1.2.1308491601.1659422191; _gat_UA-1830249-31; _ga_75BBYNYN9Jdeleted,User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/121.0.0.0 Safari/537.36 Edg/121.0.0.0}self.threads 12self.capacity 10000self.standard_time 10self.user_id 22198038self.date 20240115self.downloader Downloader(self.capacity, self.headers, self.threads, self.standard_time, self.date)self.collector Collector(self.threads, self.user_id, self.headers, self.downloader)# 拿到榜单的json数据将id添加到collector中def get_multi_page_json(self, time_modeNone, contentNone, dateNone):# 处理ai榜单if time_mode is not None:self.time_mode time_modeif self.time_mode daily_ai:self.top_num 50if content is not None:self.content contentif date is not None:self.date date# 抓取for i in range(1, self.top_num // 50 1):example: 1.https://www.pixiv.net/ranking.php?modemonthlycontentillustdate20240215p1formatjson2.https://www.pixiv.net/ranking.php?modedaily_aicontentalldate20240215p1formatjsonurl fhttps://www.pixiv.net/ranking.php?mode{self.time_mode}content{self.content}date{self.date}p{i}formatjsonheaders self.headersheaders.update({Referer: fhttps://www.pixiv.net/ranking.php?mode{self.time_mode}date{self.date},x-requested-with: XMLHttpRequest})response requests.get(url, headersheaders, timeout(4, self.standard_time))if response.status_code 200:art_works response.json()[contents]for i in art_works:self.collector.add(str(i[illust_id]))else:print(fFailed to get json data from: {url})time.sleep(1)def run(self):self.get_multi_page_json()# self.get_multi_page_json(time_modedaily_ai, contentall)self.collector.collect()self.downloader.download()if __name__ __main__:RankingCrawler().run()思路整理1.首先通过RankingCrawler类的get_multi_page_json方法获取榜单的json数据将id添加到collector中2.然后通过collector的collect方法遍历每个id用get_artworks_urls方法获取id页面内的所有图片的urls将url添加到downloader中3.最后通过downloader的download方法多线程调用同class内的download_image方法同时下载图片喜欢的话不妨点个赞吧有人互动的感觉才能支撑我继续发文章呀~
http://www.w-s-a.com/news/708798/

相关文章:

  • 莱芜新闻主持人名单seo sem 外贸建站 网站建设 文化墙设计
  • 易语言可以做网站嘛赣州网站建设开发
  • 网站建设规范布局网站建设费往什么科目
  • 乐清手机网站设计哪个汽车网站汽贸店免费做
  • 网站建设课程总结报告推广软文
  • 企业网站哪里可以做烟台seo网站推广
  • 怎样建设网站优化珠海网站建设开发
  • 泰兴住房和城乡建设厅网站福州app开发
  • 免费制作公司网站seo前线
  • 导购网站怎么推广有网站源码怎么搭建网站
  • 网站开发问题杭州制作公司网站
  • 网站推广seo是什么wordpress 去除顶部
  • 建筑学不会画画影响大吗电子商务沙盘seo关键词
  • 重庆网站建设找承越上海建设工程招投标网
  • 网站建设四个步骤下单的网站建设教程
  • 网站建设合同的验收表响应式网站建设哪家好
  • 手机网站建设视频长沙百家号seo
  • 网站未备案怎么访问网站开发前端需要学什么
  • 正黄集团博弘建设官方网站wordpress设置固定链接和伪静态
  • wordpress 建网站视频如何实现网站生成网页
  • 杭州品牌网站建设推广个人的网站建设目标
  • 济南有哪些网站是做家具团购的贸易公司自建免费网站
  • wap网站psd成立公司在什么网站
  • 网站建设婚恋交友聊城网站建设费用
  • 沈阳网站建设联系方式尉氏县金星网架公司
  • 医院网站建设实施方案基础微网站开发信息
  • 网站建设开发服务费记账百度指数搜索
  • 网站建设备案流程windows优化大师有必要安装吗
  • 怎么网站定制自己做网站卖视频
  • 网站开发二线城市网站制作过程中碰到的问题