Python小爬虫,(多线程)

下面是初学了多线程,下手写的一个小爬虫,代码个人看着不那么优雅,无奈水平不够

望您发现有误或者有改进的地方,能指正


import urllib.request as ur
import re
from threading import Thread as tt
from queue import Queue as qq

# 获取html代码
def get_html(url):
    res = ur.Request(url)
    res.add_header('User-Agent', 'Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.95 Safari/537.36')
    page = ur.urlopen(res)
    html = page.read().decode('utf-8')
    return html

# 正则表达式匹配的数据    
def match_data(html):
    data_list = [res_title, res_price, res_mall]
    data = [each.findall(html) for each in data_list]
    txt = zip(data[2], data[0], data[1])
    return txt

# 地址列表
def urls(home):
    url = [home[j] + str(i) for i in range(1, 11) for j in range(4)]
    return url

# 把数据写进txt    
def write_data(data):
    with open('smzdm.txt', 'a+', encoding='utf-8') as f:
        for i in data:
            f.write('----'.join(i))
            f.write('\n')
# 编译正则                
res_title = re.compile(r';" >(.*?)<span class="red"')
res_price = re.compile(r'class="red">(.*?)</span')
res_mall = re.compile(r'class="mall">(.*?)</a>')

# 地址是复制的,“什么值得买”web
home = ['http://www.smzdm.com/youhui/shangpin/%E4%BA%AC%E4%B8%9C/p', 'http://www.smzdm.com/youhui/shangpin/%E4%BA%9A%E9%A9%AC%E9%80%8A%E4%B8%AD%E5%9B%BD/p', 'http://www.smzdm.com/youhui/shangpin/%E5%A4%A9%E7%8C%AB%E7%B2%BE%E9%80%89/p', 'http://www.smzdm.com/youhui/shangpin/%E8%81%9A%E5%88%92%E7%AE%97/p']
url = urls(home)
queue_url = qq() # 搞一个队列, 默认是'先进先出'
for i in url:
    queue_url.put_nowait(i)

# 主控制函数
def main():
    xurl = queue_url.get_nowait()
    html = get_html(xurl)
    data = match_data(html)
    write_data(data)

# 多线程
while not queue_url.empty():
    th = tt(target=main)
    th.start()
    th.join()


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