使用Python写的一个爬虫【任务队列版本】

#!/usr/bin/python
# -*- coding: UTF-8 -*-

import urllib
from pyquery import PyQuery as pq
import codecs
import Queue



class Fetcher:
    def __init__(self):
        self.q = Queue.Queue()
        self.q.put(("http://www.7dsw.com/toplastupdate/1.html",0))

    def work(self,):
        while not self.q.empty():
            url,tp = self.q.get()
            page = self.getPage(url)
            if tp == 0:
                self.getCapUrl(page)
            else:
                self.getContent(page)                

    def getPage(self,url):
        print 'fetch page...'
        resp = urllib.urlopen(url)
        page = resp.read()
        page = page.decode('gbk')
        return page
    def getCapUrl(self,page):    
        doc = pq(page)
        wanted = doc('#newscontent ul a')
        i = 1
        dir(wanted[i])
        while i<len(wanted):
            u  = wanted.eq(i).attr("href")
            print u # the ap link we get 
            self.q.put((u,1))
            i+= 2
    def saveFile(self,filename,data):
        fp = codecs.open(filename,'a','utf-8')
        fp.write(data)
        fp.write("\r\n------------------------\r\n");
        fp.close()


    def getContent(self,page):
        doc = pq(page)
        wanted = doc('#BookText')
        self.saveFile("aa.txt",wanted.text())
        #print wanted.text()



f = Fetcher()
f.work()

  • 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