Python多線程爬蟲實戰(zhàn)_爬取糗事百科段子的實例
多線程爬蟲:即程序中的某些程序段并行執(zhí)行,
合理地設(shè)置多線程,可以讓爬蟲效率更高
糗事百科段子普通爬蟲和多線程爬蟲
分析該網(wǎng)址鏈接得出:
https://www.qiushibaike.com/8hr/page/頁碼/
多線程爬蟲也就和JAVA的多線程差不多,直接上代碼
'''
#此處代碼為普通爬蟲
import urllib.request
import urllib.error
import re
headers = ("User-Agent","Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36")
opener = urllib.request.build_opener()
opener.addheaders = [headers]
urllib.request.install_opener(opener)
for i in range(1,2):
url = "https://www.qiushibaike.com/8hr/page/"+str(i)+"/"
pagedata = urllib.request.urlopen(url).read().decode("utf-8","ignore")
pattern = '<div class="content">.*?<span>(.*?)</span>(.*?)</div>'
datalist = re.compile(pattern,re.S).findall(pagedata)
for j in range(0,len(datalist)):
print("第"+str(i)+"頁第"+str(j)+"個段子內(nèi)容是:")
print(datalist[j])
'''
'''
#此處為多線程介紹代碼
import threading #導(dǎo)入多線程包
class A(threading.Thread): #創(chuàng)建一個多線程A
def __init__(self): #必須包含的兩個方法之一:初始化線程
threading.Thread.__init__(self)
def run(self): #必須包含的兩個方法之一:線程運行方法
for i in range(0,11):
print("我是線程A")
class B(threading.Thread): #創(chuàng)建一個多線程A
def __init__(self): #必須包含的兩個方法之一:初始化線程
threading.Thread.__init__(self)
def run(self): #必須包含的兩個方法之一:線程運行方法
for i in range(0,11):
print("我是線程B")
t1 = A() #線程實例化
t1.start() #線程運行
t2 = B()
t2.start()
'''
#此處為修改后的多線程爬蟲
#使用多線程進行奇偶頁的爬取
import urllib.request
import urllib.error
import re
import threading
headers = ("User-Agent","Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36")
opener = urllib.request.build_opener()
opener.addheaders = [headers]
urllib.request.install_opener(opener)
class one(threading.Thread): #爬取奇數(shù)頁內(nèi)容
def __init__(self):
threading.Thread.__init__(self)
def run(self):
for i in range(1,12,2):
url = "https://www.qiushibaike.com/8hr/page/"+str(i)+"/"
pagedata = urllib.request.urlopen(url).read().decode("utf-8","ignore")
pattern = '<div class="content">.*?<span>(.*?)</span>(.*?)</div>'
datalist = re.compile(pattern,re.S).findall(pagedata)
for j in range(0,len(datalist)):
print("第"+str(i)+"頁第"+str(j)+"段子內(nèi)容為:")
print(datalist[j])
class two(threading.Thread): #爬取奇數(shù)頁內(nèi)容
def __init__(self):
threading.Thread.__init__(self)
def run(self):
for i in range(2,12,2):
url = "https://www.qiushibaike.com/8hr/page/"+str(i)+"/"
pagedata = urllib.request.urlopen(url).read().decode("utf-8","ignore")
pattern = '<div class="content">.*?<span>(.*?)</span>(.*?)</div>'
datalist = re.compile(pattern,re.S).findall(pagedata)
for j in range(0,len(datalist)):
print("第"+str(i)+"頁第"+str(j)+"段子內(nèi)容為:")
print(datalist[j])
t1 = one()
t2 = two()
t1.start()
t2.start()
以上這篇Python多線程爬蟲實戰(zhàn)_爬取糗事百科段子的實例就是小編分享給大家的全部內(nèi)容了,希望能給大家一個參考,也希望大家多多支持腳本之家。
相關(guān)文章
Python?OpenCV超詳細(xì)講解調(diào)整大小與圖像操作的實現(xiàn)
OpenCV用C++語言編寫,它具有C?++,Python,Java和MATLAB接口,并支持Windows,Linux,Android和Mac?OS,OpenCV主要傾向于實時視覺應(yīng)用,并在可用時利用MMX和SSE指令,本篇文章帶你通過OpenCV實現(xiàn)重調(diào)大小與圖像裁剪2022-04-04
PyTorch上搭建簡單神經(jīng)網(wǎng)絡(luò)實現(xiàn)回歸和分類的示例
本篇文章主要介紹了PyTorch上搭建簡單神經(jīng)網(wǎng)絡(luò)實現(xiàn)回歸和分類的示例,小編覺得挺不錯的,現(xiàn)在分享給大家,也給大家做個參考。一起跟隨小編過來看看吧2018-04-04
Python 識別12306圖片驗證碼物品的實現(xiàn)示例
這篇文章主要介紹了Python 識別12306圖片驗證碼物品的實現(xiàn)示例,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-01-01
python中獲得當(dāng)前目錄和上級目錄的實現(xiàn)方法
這篇文章主要介紹了python中獲得當(dāng)前目錄和上級目錄的實現(xiàn)方法,需要的朋友可以參考下2017-10-10
Django框架實現(xiàn)在線考試系統(tǒng)的示例代碼
這篇文章主要介紹了Django框架實現(xiàn)在線考試系統(tǒng)的示例代碼,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-11-11

