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
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 >.*?<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",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 >.*?<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,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编程小技巧。
总结以上是内存溢出为你收集整理的Python多线程爬虫实战_爬取糗事百科段子的实例全部内容,希望文章能够帮你解决Python多线程爬虫实战_爬取糗事百科段子的实例所遇到的程序开发问题。
如果觉得内存溢出网站内容还不错,欢迎将内存溢出网站推荐给程序员好友。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)