Python如何多线程并发下载图片

最终效果

这就是我们最终要构建的效果。

Python如何多线程并发下载图片

Python如何多线程并发下载图片

安装依赖项

让我们安装每个人最喜欢的 requests 库。

pip install requests

现在,我们将看到一些用于下载单个 URL 并尝试自动查找图像名称以及如何使用重试的基本代码。

import requestsres = requests.get(img_url, stream=True)count = 1while res.status_code != 200 and count <= 5:    res = requests.get(img_url, stream=True)    print(f'Retry: {count} {img_url}')    count += 1

在这里,我们重试下载图像五次,以防失败。现在,让我们尝试自动找到图像的名称并保存它。

import more required libraryimport iofrom PIL import Image# lets try to find the image nameimage_name = str(img_url[(img_url.rfind('/')) + 1:])if '?' in image_name:    image_name = image_name[:image_name.find('?')]

解释

假设我们要下载的 URL 是:

instagram.fktm7-1.fna.fbcdn.net/vp…

好吧,这是一团糟。让我们分解一下代码对 URL 的作用。我们首先使用 rfind 找到最后一个正斜杠(/),然后选择之后的所有内容。这是结果:

65872070_1200425330158967_6201268309743367902_n.jpg?_nc_ht=instagram.fktm7–1.fna.fbcdn.net&_nc_cat=111

现在我们的第二部分找到一个 ?,然后只取它前面的任何东西。

这是我们最终的图像名称:

65872070_1200425330158967_6201268309743367902_n.jpg

这个结果非常好,适用于大多数用例。

现在我们已经下载了图像名称和图像,我们将保存它。

i = Image.open(io.BytesIO(res.content))i.save(image_name)

如果你在想,「我到底应该怎么使用上面的代码?」那么你的想法是正确的。这是一个漂亮的函数,我们在上面所做的一切都被扁平处理了。在这里,我们还测试了下载的类型是否为图像,以防找不到图像名称。

def image_downloader(img_url: str):    """    Input:    param: img_url  str (Image url)    Tries to download the image url and use name provided in headers. Else it randomly picks a name    """    print(f'Downloading: {img_url}')    res = requests.get(img_url, stream=True)    count = 1    while res.status_code != 200 and count <= 5:        res = requests.get(img_url, stream=True)        print(f'Retry: {count} {img_url}')        count += 1    # checking the type for image    if 'image' not in res.headers.get("content-type", ''):        print('ERROR: URL doesnot appear to be an image')        return False    # Trying to red image name from response headers    try:        image_name = str(img_url[(img_url.rfind('/')) + 1:])        if '?' in image_name:            image_name = image_name[:image_name.find('?')]    except:        image_name = str(random.randint(11111, 99999))+'.jpg'    i = Image.open(io.BytesIO(res.content))    download_location = 'cats'    i.save(download_location + '/'+image_name)    return f'Download complete: {img_url}'

现在,你可能会问:「这个人所说的多处理在哪里?」。

这很简单。我们将简单地定义我们的池并将我们的函数和图像 URL 传递给它。

results = ThreadPool(process).imap_unordered(image_downloader, images_url)for r in results:    print(r)

让我们把它放在一个函数中:

def run_downloader(process:int, images_url:list):    """    Inputs:        process: (int) number of process to run        images_url:(list) list of images url    """    print(f'MESSAGE: Running {process} process')    results = ThreadPool(process).imap_unordered(image_downloader, images_url)    for r in results:        print(r)

再一次,你可能会说,「这一切都很好,但我想立即开始下载我的 1000 张图像列表。我不想复制和粘贴所有这些代码并试图弄清楚如何合并所有内容。」

这是一个完整的脚本。它执行以下操作:

  • 以图像列表文本文件和进程号作为输入

  • 按照您想要的速度下载它们

  • 打印下载文件的总时间

  • 还有一些不错的函数可以帮助我们读取文件名并处理错误和其他东西

完整的脚本

# -*- coding: utf-8 -*-import ioimport randomimport shutilimport sysfrom multiprocessing.pool import ThreadPoolimport pathlibimport requestsfrom PIL import Imageimport timestart = time.time()def get_download_location():    try:        url_input = sys.argv[1]    except IndexError:        print('ERROR: Please provide the txt filen$python image_downloader.py cats.txt')    name = url_input.split('.')[0]    pathlib.Path(name).mkdir(parents=True, exist_ok=True)    return namedef get_urls():    """    通过读取终端中作为参数提供的 txt 文件返回 url 列表    """    try:        url_input = sys.argv[1]    except IndexError:        print('ERROR: Please provide the txt filen Example nn$python image_downloader.py dogs.txt nn')        sys.exit()    with open(url_input, 'r') as f:        images_url = f.read().splitlines()    print('{} Images detected'.format(len(images_url)))    return images_urldef image_downloader(img_url: str):    """    输入选项:    参数: img_url  str (Image url)    尝试下载图像 url 并使用标题中提供的名称。否则它会随机选择一个名字    """    print(f'Downloading: {img_url}')    res = requests.get(img_url, stream=True)    count = 1    while res.status_code != 200 and count <= 5:        res = requests.get(img_url, stream=True)        print(f'Retry: {count} {img_url}')        count += 1    # checking the type for image    if 'image' not in res.headers.get("content-type", ''):        print('ERROR: URL doesnot appear to be an image')        return False    # Trying to red image name from response headers    try:        image_name = str(img_url[(img_url.rfind('/')) + 1:])        if '?' in image_name:            image_name = image_name[:image_name.find('?')]    except:        image_name = str(random.randint(11111, 99999))+'.jpg'    i = Image.open(io.BytesIO(res.content))    download_location = get_download_location()    i.save(download_location + '/'+image_name)    return f'Download complete: {img_url}'def run_downloader(process:int, images_url:list):    """    输入项:        process: (int) number of process to run        images_url:(list) list of images url    """    print(f'MESSAGE: Running {process} process')    results = ThreadPool(process).imap_unordered(image_downloader, images_url)    for r in results:        print(r)try:    num_process = int(sys.argv[2])except:    num_process = 10images_url = get_urls()run_downloader(num_process, images_url)end = time.time()print('Time taken to download {}'.format(len(get_urls())))print(end - start)

将其保存到 Python 文件中,然后运行它。

python3 image_downloader.py cats.txt

这是 GitHub 存储库的链接。

用法

python3 image_downloader.py <filename_with_urls_seperated_by_newline.txt> <num_of_process>

这将读取文本文件中的所有 URL,并将它们下载到名称与文件名相同的文件夹中。

num_of_process 是可选的(默认情况下,它使用 10 个进程)。

例子

python3 image_downloader.py cats.txt

Python如何多线程并发下载图片

Python如何多线程并发下载图片

读到这里,这篇“Python如何多线程并发下载图片”文章已经介绍完毕,想要掌握这篇文章的知识点还需要大家自己动手实践使用过才能领会,如果想了解更多相关内容的文章,欢迎关注亿速云行业资讯频道。

文章标题:Python如何多线程并发下载图片,发布者:亿速云,转载请注明出处:https://worktile.com/kb/p/28773

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
亿速云的头像亿速云
上一篇 2022年9月22日 下午10:01
下一篇 2022年9月22日 下午10:02

相关推荐

  • 猫鼠服务器是什么公司

    猫鼠(Cats and Mouse)服务器可能是您要询问的一种服务器类型,或者是一个特定服务器名称的误解,但在知识库中并无明确的记录表示猫鼠服务器代表着一个具体的公司。如果您是在询问一个公司或品牌名为“猫鼠”的服务器供应商,可能需要提供更多信息或者具体的上下文才能得出准确答案。如果您实际上指的是一个…

    2024年4月25日
    7900
  • 推理服务器作用是什么

    摘要 推理服务器的作用是1、执行模型推理任务、2、优化推理性能、3、降低延迟、4、提高吞吐量、5、支持多种模型格式、6、提供模型管理与扩展功能。 在这些核心功能中,优化推理性能尤为关键,因为它直接关系到模型部署后的效率和稳定性。推理服务器通过使用专门的算法和硬件加速技术,大幅提高处理速度,同时保持高…

    2024年4月25日
    9800
  • 服务器管理的好处是什么

    摘要 服务器管理的好处包括: 1.提高安全性、2.增强性能、3.确保数据完整性、4.优化资源利用,等重要方面。特别是提高安全性,这是服务器管理中的关键部分,为防止未授权访问、数据泄露和其他潜在威胁,定期对服务器进行维护和更新至关重要。此外,安装安全软件、监控系统漏洞、及时打补丁和执行严格的访问控制策…

    2024年4月25日
    8600
  • 云服务器存储资料是什么

    摘要 云服务器存储资料是1、通过网络访问的远程服务器上存储的数据,其依赖于2、云计算技术,使得数据存取更加灵活和高效。在这两点中,通过网络访问的远程服务器存储意味着用户无需对物理硬件进行管理或投入高额的初期成本,而是通过互联网连接到远程数据中心,实现数据存储和管理。这种模式不仅降低了企业或个人的技术…

    2024年4月25日
    8600
  • 下挂的服务器叫什么

    摘要:下挂的服务器通常被称作1、边缘服务器或2、即服务外设。其中,边缘服务器主要用于提高网络服务的访问速度和提升用户体验。通过布局在接近最终用户的地理位置上,这种服务器能够缓存内容,减少数据传输的延迟,加快载入速度,有效缓解主服务器的负荷。边缘服务器尤其适用于内容交付网络(CDN)和大数据分析等场景…

    2024年4月25日
    9900
注册PingCode 在线客服
站长微信
站长微信
电话联系

400-800-1024

工作日9:30-21:00在线

分享本页
返回顶部