Python3 用 urllib 下载图片非常慢,会是什么原因呢? - V2EX
V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
推荐学习书目
Learn Python the Hard Way
Python Sites
PyPI - Python Package Index
http://diveintopython.org/toc/index.html
Pocoo
值得关注的项目
PyPy
Celery
Jinja2
Read the Docs
gevent
pyenv
virtualenv
Stackless Python
Beautiful Soup
结巴中文分词
Green Unicorn
Sentry
Shovel
Pyflakes
pytest
Python 编程
pep8 Checker
Styles
PEP 8
Google Python Style Guide
Code Style from The Hitchhiker's Guide
mokeyjay
V2EX    Python

Python3 用 urllib 下载图片非常慢,会是什么原因呢?

  •  
  •   mokeyjay
    mokeyjay 2017-02-27 18:14:44 +08:00 5950 次点击
    这是一个创建于 3215 天前的主题,其中的信息可能已经有所发展或是发生改变。

    初学者想学写个爬虫,边学边写

    想要下载一张 Y 站的图片,代码为

    urllib.request.urlopen('http://xxx.jpg').read() 

    其中 url 是可以正常访问的。图片不大,浏览器打开只需要几秒(排除缓存原因)。但在 python 中下载它却需要 30+秒,将下载到的数据写出为文件是可以正常查看的

    那么问题来了,究竟是什么原因导致下载一张图片那么慢呢?

    请问是还有什么地方需要配置吗?

    附完整代码:

    # 创建目录存放今天爬下来的图 dir_name = datetime.datetime.now().strftime('%Y%m%d') if not os.path.exists(dir_name): os.mkdir(dir_name) # info[1] 的值为 https://files.yande.re/sample/6718a8caa71a4547a417f41bc9f063bb/yande.re%20385001%20sample%20byakuya_reki%20seifuku.jpg print('开始下载……') print(info[1]) i = time.time() img = urllib.request.urlopen(info[1]).read() print('下载完毕。耗时:'+str(int(time.time() - i))+'s') # 获取文件名,并将%20 替换为空格 file_name = info[1].split('/')[-1].replace('%20', ' ') file = open(dir_name+'/'+file_name, 'wb') file.write(img) file.close() exit(200) 
    第 1 条附言    2017-02-27 21:52:24 +08:00
    经测试,是网站对爬虫限速了
    加上 UA 、 Host 、 Referer 等头信息后一切正常, XD 谢谢各位
    17 条回复    2017-02-28 23:02:07 +08:00
    zhanglintc
        1
    zhanglintc  
       2017-02-27 18:20:23 +08:00
    我打开这张图也要很久
    mokeyjay
        2
    mokeyjay  
    OP
       2017-02-27 18:25:07 +08:00 via Android
    @zhanglintc 可能是区域问题?但我浏览器打开很快呀,换个浏览器速度也差不多。我的代码是在本地运行的,怎么速度差那么多呢?
    ltux
        3
    ltux  
       2017-02-27 18:27:35 +08:00
    也许服务器对爬虫限速了呢
    CloudnuY
        4
    CloudnuY  
       2017-02-27 18:58:35 +08:00
    你看看是不是打开了系统代理
    HFcbyqP0iVO5KM05
        5
    HFcbyqP0iVO5KM05  
       2017-02-27 19:04:03 +08:00 via Android
    浏览器有缓存吧
    mokeyjay
        6
    mokeyjay  
    OP
       2017-02-27 19:05:20 +08:00 via Android
    @ltux 还真有这个可能……@CloudnuY 用的是 ss 的 pac 模式,这个不碍事吧?@gulu 换过浏览器一样几秒打开
    fengxiang
        7
    fengxiang  
       2017-02-27 19:17:19 +08:00
    因为你浏览器走代理了,yandex 大一点的图片 2 30m,慢很正常
    fbtfonfp
        8
    fbtfonfp  
       2017-02-27 19:17:48 +08:00
    跑了一下 , 3s
    mokeyjay
        9
    mokeyjay  
    OP
       2017-02-27 20:13:03 +08:00
    @CloudnuY #4 用的是 ss 的 pac 模式,这个不碍事吧?
    @gulu #5 换过浏览器一样几秒打开
    @fengxiang #7 用的是 ss 的 pac 模式,这个不碍事吧?
    @fbtfonfp #8 就用上面的代码跑? 3s ?
    mianju
        10
    mianju  
       2017-02-27 20:20:06 +08:00
    如果挂 ss 的话,推荐使用这个库 PySocks
    具体使用参考 http://stackoverflow.com/questions/31777692/python3-requests-with-sock5-proxy
    mokeyjay
        11
    mokeyjay  
    OP
       2017-02-27 20:22:54 +08:00
    @mianju #10 看起来不错。不过我正是初学,希望尽量以原生的方式实现,先收藏了
    dsg001
        12
    dsg001  
       2017-02-27 20:29:15 +08:00
    一般调用 wget 下载
    fengxiang
        13
    fengxiang  
       2017-02-27 21:00:30 +08:00
    还是挂个代理吧,萌妹的服务器时不时抽风,不太好判断.
    推荐用 requests 代替 urllib
    binux
        14
    binux  
       2017-02-27 21:23:57 +08:00
    根据你的表述,就是系统代理没跑了。
    TTwilight
        15
    TTwilight  
       2017-02-28 10:12:36 +08:00
    我一般用 urlretrieve
    fbtfonfp
        16
    fbtfonfp  
       2017-02-28 11:59:15 +08:00
    @mokeyjay en 跑了上面的代码是 3s 不知道是不是因为挂了代理
    4ever911
        17
    4ever911  
       2017-02-28 23:02:07 +08:00
    1 loop, best of 3: 2.98 s per loop
    关于     帮助文档     自助推广系统     博客     API     FAQ     Solana     974 人在线   最高记录 6679       Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 26ms UTC 19:36 PVG 03:36 LAX 11:36 JFK 14:36
    Do have faith in what you're doing.
    ubao msn snddm index pchome yahoo rakuten mypaper meadowduck bidyahoo youbao zxmzxm asda bnvcg cvbfg dfscv mmhjk xxddc yybgb zznbn ccubao uaitu acv GXCV ET GDG YH FG BCVB FJFH CBRE CBC GDG ET54 WRWR RWER WREW WRWER RWER SDG EW SF DSFSF fbbs ubao fhd dfg ewr dg df ewwr ewwr et ruyut utut dfg fgd gdfgt etg dfgt dfgd ert4 gd fgg wr 235 wer3 we vsdf sdf gdf ert xcv sdf rwer hfd dfg cvb rwf afb dfh jgh bmn lgh rty gfds cxv xcv xcs vdas fdf fgd cv sdf tert sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf shasha9178 shasha9178 shasha9178 shasha9178 shasha9178 liflif2 liflif2 liflif2 liflif2 liflif2 liblib3 liblib3 liblib3 liblib3 liblib3 zhazha444 zhazha444 zhazha444 zhazha444 zhazha444 dende5 dende denden denden2 denden21 fenfen9 fenf619 fen619 fenfe9 fe619 sdf sdf sdf sdf sdf zhazh90 zhazh0 zhaa50 zha90 zh590 zho zhoz zhozh zhozho zhozho2 lislis lls95 lili95 lils5 liss9 sdf0ty987 sdft876 sdft9876 sdf09876 sd0t9876 sdf0ty98 sdf0976 sdf0ty986 sdf0ty96 sdf0t76 sdf0876 df0ty98 sf0t876 sd0ty76 sdy76 sdf76 sdf0t76 sdf0ty9 sdf0ty98 sdf0ty987 sdf0ty98 sdf6676 sdf876 sd876 sd876 sdf6 sdf6 sdf9876 sdf0t sdf06 sdf0ty9776 sdf0ty9776 sdf0ty76 sdf8876 sdf0t sd6 sdf06 s688876 sd688 sdf86