多線程爬蟲:即程序中的某些程序段并行執行,
合理地設置多線程,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 = '<p class="content">.*?<span>(.*?)</span>(.*?)</p>' datalist = re.compile(pattern,re.S).findall(pagedata) for j in range(0,len(datalist)): print("第"+str(i)+"頁第"+str(j)+"個段子內容是:") print(datalist[j]) ''' ''' #此處為多線程介紹代碼 import threading #導入多線程包 class A(threading.Thread): #創建一個多線程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): #爬取奇數頁內容 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 = '<p class="content">.*?<span>(.*?)</span>(.*?)</p>' datalist = re.compile(pattern,re.S).findall(pagedata) for j in range(0,len(datalist)): print("第"+str(i)+"頁第"+str(j)+"段子內容為:") print(datalist[j]) class two(threading.Thread): #爬取奇數頁內容 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 = '<p class="content">.*?<span>(.*?)</span>(.*?)</p>' 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_爬取糗事百科段子的實例就是小編分享給大家的全部內容了,希望能給大家一個參考,也希望大家多多支持PHP中文網。
相關推薦:
Python數據結構與算法之常見的分配排序法示例【桶排序與基數排序】_python
Python中xlwt設置excel單元格字體及格式方法
Python語言實現百度語音識別功能的實例
聲明:本網頁內容旨在傳播知識,若有侵權等問題請及時與本網聯系,我們將在第一時間刪除處理。TEL:177 7030 7066 E-MAIL:11247931@qq.com