Python利用管道创建多线程爬虫--笔记

创建多线程爬虫

以小米app商城为例,创建Queue对象,运用进队出队实现url的存储和提取,创建threading多线程实现异步IO爬取app链接信息。
代码实现:

import requests
import time
from threading import Thread
from queue import Queue
import json

class XiaomiSpider(object):
    def __init__(self):
        self.url = 'http://app.mi.com/categotyAllListApi?page={}&categoryId=2&pageSize=30'
        self.headers = {'User-Agent':'Mozilla/5.0'}
        # url队列
        self.url_queue = Queue()
        self.n = 0
    # URL入队列
    def url_in(self):
        for i in range(67):
            url = self.url.format(i)
            # 入队列
            self.url_queue.put(url)
    # 线程事件函数
    def get_data(self):
        while True:
            # self.url_queue.empty() 为True,队列为空
            if self.url_queue.empty():
                break
            # get地址,请求+解析+保存
            url = self.url_queue.get()
            html = requests.get(
                url = url,
                headers = self.headers,
            ).content.decode('utf-8')
            html = json.loads(html)
            # 解析数据: html['data'] -> [{},{},{}]
            with open('xiaomi.json','a') as f:
                app_dict = {}
                for app in html['data']:
                    # 应用名称
                    app_dict['app_name'] = app['displayName']
                    # 应用链接
                    app_dict['app_link'] = 'http://app.mi.com/details?id=' \
                                    + app['packageName']
                    json.dump(app_dict,f,ensure_ascii=False)
                    self.n += 1
    # 主函数
    def main(self):
        # url入队列
        self.url_in()
        # 创建多线程
        t_list = []
        for i in range(5):
            t = Thread(target=self.get_data)
            t_list.append(t)
            t.start()
        for i in t_list:
            i.join()
        print('应用数量:',self.n)

if __name__ == '__main__':
    start = time.time()
    spider = XiaomiSpider()
    spider.main()
    end = time.time()
    print('执行时间:%.2f' % (end-start))
    
  • 2
    点赞
  • 4
    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