侯体宗的博客
  • 首页
  • Hyperf版
  • beego仿版
  • 人生(杂谈)
  • 技术
  • 关于我
  • 更多分类
    • 文件下载
    • 文字修仙
    • 中国象棋ai
    • 群聊
    • 九宫格抽奖
    • 拼图
    • 消消乐
    • 相册

Python多线程爬虫实战_爬取糗事百科段子的实例

Python  /  管理员 发布于 7年前   149

多线程爬虫:即程序中的某些程序段并行执行,

合理地设置多线程,可以让爬虫效率更高

糗事百科段子普通爬虫和多线程爬虫

分析该网址链接得出:

https://www.qiushibaike.com/8hr/page/页码/

多线程爬虫也就和JAVA的多线程差不多,直接上代码

'''#此处代码为普通爬虫import urllib.requestimport urllib.errorimport reheaders = ("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)+"页第"+str(j)+"个段子内容是:")  print(datalist[j])''''''#此处为多线程介绍代码import threading #导入多线程包class A(threading.Thread): #创建一个多线程A def __init__(self):  #必须包含的两个方法之一:初始化线程  threading.Thread.__init__(self) def run(self):   #必须包含的两个方法之一:线程运行方法  for i in range(0,11):   print("我是线程A")class B(threading.Thread): #创建一个多线程A def __init__(self):  #必须包含的两个方法之一:初始化线程  threading.Thread.__init__(self) def run(self):   #必须包含的两个方法之一:线程运行方法  for i in range(0,11):   print("我是线程B")t1 = A() #线程实例化t1.start() #线程运行t2 = B()t2.start()'''#此处为修改后的多线程爬虫#使用多线程进行奇偶页的爬取import urllib.requestimport urllib.errorimport reimport threadingheaders = ("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): #爬取奇数页内容 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)+"页第"+str(j)+"段子内容为:")    print(datalist[j])class two(threading.Thread): #爬取奇数页内容 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)+"页第"+str(j)+"段子内容为:")    print(datalist[j])t1 = one()t2 = two()t1.start()t2.start()

以上这篇Python多线程爬虫实战_爬取糗事百科段子的实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。


  • 上一条:
    Python3实现发送QQ邮件功能(文本)
    下一条:
    python导入csv文件出现SyntaxError问题分析
  • 昵称:

    邮箱:

    0条评论 (评论内容有缓存机制,请悉知!)
    最新最热
    • 分类目录
    • 人生(杂谈)
    • 技术
    • linux
    • Java
    • php
    • 框架(架构)
    • 前端
    • ThinkPHP
    • 数据库
    • 微信(小程序)
    • Laravel
    • Redis
    • Docker
    • Go
    • swoole
    • Windows
    • Python
    • 苹果(mac/ios)
    • 相关文章
    • 在python语言中Flask框架的学习及简单功能示例(0个评论)
    • 在Python语言中实现GUI全屏倒计时代码示例(0个评论)
    • Python + zipfile库实现zip文件解压自动化脚本示例(0个评论)
    • python爬虫BeautifulSoup快速抓取网站图片(1个评论)
    • vscode 配置 python3开发环境的方法(0个评论)
    • 近期文章
    • 智能合约Solidity学习CryptoZombie第四课:僵尸作战系统(0个评论)
    • 智能合约Solidity学习CryptoZombie第三课:组建僵尸军队(高级Solidity理论)(0个评论)
    • 智能合约Solidity学习CryptoZombie第二课:让你的僵尸猎食(0个评论)
    • 智能合约Solidity学习CryptoZombie第一课:生成一只你的僵尸(0个评论)
    • 在go中实现一个常用的先进先出的缓存淘汰算法示例代码(0个评论)
    • 在go+gin中使用"github.com/skip2/go-qrcode"实现url转二维码功能(0个评论)
    • 在go语言中使用api.geonames.org接口实现根据国际邮政编码获取地址信息功能(1个评论)
    • 在go语言中使用github.com/signintech/gopdf实现生成pdf分页文件功能(0个评论)
    • gmail发邮件报错:534 5.7.9 Application-specific password required...解决方案(0个评论)
    • 欧盟关于强迫劳动的规定的官方举报渠道及官方举报网站(0个评论)
    • 近期评论
    • 122 在

      学历:一种延缓就业设计,生活需求下的权衡之选中评论 工作几年后,报名考研了,到现在还没认真学习备考,迷茫中。作为一名北漂互联网打工人..
    • 123 在

      Clash for Windows作者删库跑路了,github已404中评论 按理说只要你在国内,所有的流量进出都在监控范围内,不管你怎么隐藏也没用,想搞你分..
    • 原梓番博客 在

      在Laravel框架中使用模型Model分表最简单的方法中评论 好久好久都没看友情链接申请了,今天刚看,已经添加。..
    • 博主 在

      佛跳墙vpn软件不会用?上不了网?佛跳墙vpn常见问题以及解决办法中评论 @1111老铁这个不行了,可以看看近期评论的其他文章..
    • 1111 在

      佛跳墙vpn软件不会用?上不了网?佛跳墙vpn常见问题以及解决办法中评论 网站不能打开,博主百忙中能否发个APP下载链接,佛跳墙或极光..
    • 2016-10
    • 2016-11
    • 2018-04
    • 2020-03
    • 2020-04
    • 2020-05
    • 2020-06
    • 2022-01
    • 2023-07
    • 2023-10
    Top

    Copyright·© 2019 侯体宗版权所有· 粤ICP备20027696号 PHP交流群

    侯体宗的博客