(68)-- 爬取糗百信息

# 爬取糗百信息

import threading
from queue import Queue
import requests
from lxml import etree
import time

# 最大开启采集线程数(并发数)
concurrent = 3
# 解析并发数
conparse = 3

class Crawl(threading.Thread):
    def __init__(self,i,task_q,data_q):
        self.task_q = task_q
        self.data_q = data_q
        self.i = i
        super(Crawl, self).__init__()
    def run(self):
        print('%d号采集线程启动' % self.i)
        while not self.task_q.empty():
            fullurl = self.task_q.get()
            response = requests.get(fullurl)
            if 200 <= response.status_code <= 300:
                html = response.text
                data_q.put(html)
            else:
                print('采集异常',response.status_code)

            time.sleep(1)
        print('%d号采集线程结束over' % self.i)


class Parse(threading.Thread):
    def __init__(self,i,data_q,crawl_list):
        self.i = i
        self.data_q = data_q
        self.crawl_list = crawl_list
        self.is_parse = True
        super(Parse, self).__init__()

    def run(self):
        print('%d号解析线程开启' % self.i)
        # 判断是否结束解析线程条件
        # 1.采集线程是否存活
        # 2.数据队列是否为空
        while True:
            for t in self.crawl_list:
                # 判断采集线程是否存活

                if t.is_alive():
                    break
            else:
                if self.data_q.empty():
                    self.is_parse = False

            # 线程有存活的
            if self.is_parse:
                try:
                    html = self.data_q.get(timeout=3)
                    self.parse(html)
                except Exception as e:
                    pass
            else:
                break

        print('%d号解析线程结束' % self.i)

    # 解析页面
    def parse(self,html):
        html = etree.HTML(html)
        nick = html.xpath('//h2/text()')
        print(nick)

if __name__ == '__main__':
    # 任务队列
    task_q = Queue()
    # 数据队列
    data_q =
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值