#!/usr/bin/env python
# -*- coding:utf-8 -*-
# Author: benjaminYangimport requests,threading
import urllib.parse#设置最大线程 开启30个线程就锁住
thread_lock=threading.BoundedSemaphore(value=50)'https://www.duitang.com/napi/blog/list/by_search/?kw=%E6%A0%A1%E8%8A%B1&start=0&limt=1000'
#通过url 获取数据
def get_page(url):#requests.get 自带了json.loadspage=requests.get(url)page=page.content# 将bytes转成 字符串page=page.decode('utf-8')return pagedef pages_from_duitang(label):pages=[]url='https://www.duitang.com/napi/blog/list/by_search/?kw={}&start={}&limt=1000'#将中文转成url编码label=urllib.parse.quote(label)#0-3600 步长100for index in range(0,3600,50):#将这两个变量替换占位符{}u=url.format(label,index)page=get_page(u)pages.append(page)return pages# print(get_page('https://www.duitang.com/napi/blog/list/by_search/?kw=%E6%A0%A1%E8%8A%B1&start=0&limt=1000'))# 单个页面的对象，startpart 所要匹配字符1，匹配的字符2
def findall_in_page(page,startpart,endpart):all_strings=[]end=0# -1代表找不到 意思就是匹配到就执行循环while page.find(startpart,end) !=-1:#匹配第一个字符，从下标0开始匹配到的位置下标，并将字符长短传给start变量start=page.find(startpart,end)+len(startpart)# 将从第一个需要匹配的字符串后面的字符开始，匹配第二个需要匹配的字符出现的位置，并将这个下标值赋给end变量end=page.find(endpart,start)#切片 取两个所要匹配字符 之间的部分也就是图片urlstring=page[start:end]#存入列表
        all_strings.append(string)return all_strings# "path": "https://b-ssl.duitang.com/uploads/item/201708/20/20170820215827_fa483.jpeg"
def pic_urls_from_pages(pages):pic_urls=[]for page in pages:urls=findall_in_page(page,'path":"','"')pic_urls.extend(urls) # 合并列表return pic_urlsdef download_pics(url,n):r=requests.get(url)path='pics/'+ str(n) + '.jpg'with open(path,'wb') as f:f.write(r.content)#下载完了，解锁
    thread_lock.release()def main(label):pages=pages_from_duitang(label)pic_urls=pic_urls_from_pages(pages)n=0for url in pic_urls:n +=1print('正在下载第{}张图片'.format(n))#上锁
        thread_lock.acquire()#下载 这个方法丢进线程池t=threading.Thread(target=download_pics,args=(url,n))t.start()main('校花')