爬虫多线程

import requests
from bs4 import BeautifulSoup
url = 'http://www.bookschina.com/book_find2/default.aspx?stp=python&scate=0&f=1&sort=0&asc=0&sh=0&so=1&p=2&pb=1'

res = requests.get(url)
#print(res)

html = res.text

#抓取
def spider():
    soup = BeautifulSoup(html,'lxml')
    #print(soup)
    all_list = soup.find_all('div',class_='infor')
    print(all_list)

if __name__ == '__main__':
    spider()

代码

```python
import os
import requests
from bs4 import BeautifulSoup
import queue
import time
import threading
#抓取
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/95.0.4638.54 Safari/537.36'
}


page_url = 'http://www.bookschina.com/fivestar/default.aspx?&page='



#queeue线程
url_queue = queue.Queue()
#分页函数

 - [ ] List item

def page():
    for i in range(3):
        url = page_url + str(i)
        print(f"开始爬取第{i}页")
        print(f'\n{url}')
        url_queue.put(url)
#抓取函数
def spider(url_queue):
        try:
            url = url_queue.get()  # 从队列中取出最前面的url
            res = requests.get(url=url, headers=headers)
            # print(res)
            html = res.text
            soup = BeautifulSoup(html, 'lxml')
            # print(soup)
            all_list = soup.find_all('div', class_='infor')
            for all in all_list:
                # 图书名字
                name = all.find('h2', class_='name').get_text()
                #print(name)
                #作者
                author = all.find('div',class_='author').get_text()
                #print(author)

                price = all.find('span', class_='sellPrice').get_text().replace('¥', '')
                #print(price)
                # # 折扣
                count = all.find('span', class_='discount').get_text().replace('(', '').replace(')', '')
                #print(count)
                # 定价
                pric1 = all.find('span', class_='priceTit').get_text()
                # print(pric1)
                pric2 = all.find('del').get_text().replace('¥', '')
                # print(pric2)
                price1 = pric1 + pric2
                #print(price1)
                list_name = name + author + price + count + price1
                # 新建一个文件夹保存所有图片
                if not os.path.exists('./tushu/'):
                    os.mkdir('./tushu/')
                    #文件存储路径
                imgpath = './tushu/' + name + '.txt'
                with open(imgpath, 'w') as f:
                    f.write(f'{list_name}\n')
                    print(name, '下载成功')
                if not url_queue.empty():
                    spider(url_queue)
            pass
        except:
            pass
#主函数
def main():
    page()
    queue_list = []
    t = threading.Thread(target=spider, args=(url_queue,))
    t.start()
    queue_list.append(t)
    for t in queue_list:
        t.join()
        #print('线程完毕')
    pass
if __name__ == '__main__':
    ted = time.time()
    main()
    end = time.time()
    #print(f'一共下载{end - ted}秒')

queue线程参数
初始化queue(maxsize):创建一个先进先出的的队列

1.qsize()#返回队列的大小
2.empty():判断队列是否为空
3.full():判断队列是否满了
4.get():从对列中取最后一个数据
5.put():将一个数据放在队列中

参考文章
https://www.cnblogs.com/REN-Murphy/p/14706686.html
在这里插入图片描述

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