(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
好的,我可以为您介绍一下如何使用 Python 爬虫来爬取房产数据并保存到本地。 首先,您需要选择一个合适的网站来进行爬取。例如,可以选择链家网、安居客等房产网站。然后,您需要分析该网站的页面结构和数据请求方式,确定需要爬取哪些数据,以及如何获取这些数据。 接着,您可以使用 Python 的 requests 库来发送 HTTP 请求,获取网页内容。然后,可以使用 BeautifulSoup 库来解析网页内容,提取需要的数据。 最后,您可以使用 Python 的 Pandas 库将数据保存到本地的 Excel 或 CSV 文件中。以下是一个示例代码: ```python import requests from bs4 import BeautifulSoup import pandas as pd # 发送 HTTP 请求获取网页内容 url = 'https://bj.lianjia.com/ershoufang/' headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'} response = requests.get(url, headers=headers) soup = BeautifulSoup(response.content, 'html.parser') # 解析网页内容,提取需要的数据 house_list = soup.find_all('div', {'class': 'info'}) data = [] for house in house_list: name = house.find('div', {'class': 'title'}).text.strip() price = house.find('div', {'class': 'price'}).text.strip() area = house.find('div', {'class': 'houseInfo'}).text.strip() data.append([name, price, area]) # 将数据保存到本地文件 df = pd.DataFrame(data, columns=['名称', '价格', '面积']) df.to_excel('house_data.xlsx', index=False) ``` 这是一个简单的示例代码,您可以根据您需要爬取的数据和网站的不同来进行修改和优化。
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