1.4 python爬虫 异步协程快速爬取一部小说

本文介绍了一种利用异步协程技术,通过requests和lxml库爬取biquge635.com网站小说章节的方法,展示了如何使用asyncio和aiohttp实现高效率的下载过程。
摘要由CSDN通过智能技术生成

用异步协程几分钟爬上千章的小说,让你一次看个够。

import requests
from lxml import etree
import asyncio
import aiohttp
import time
import aiofiles


def get_every_chapter(url):
    head = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/109.0.0.0 Safari/537.36 SLBrowser/9.0.0.10191 SLBChan/105"
    }
    resp = requests.get(url, headers=head).text
    resp_code = resp.encode('iso-8859-1').decode('gbk')
    tree = etree.HTML(resp_code)
    result = tree.xpath("//div/ul[@class='section-list fix']/li/a/@href")
    return result


async def download_chapter(result_list):
    tasks = []
    for i in result_list:
        url = "https://www.biquge635.com/book/40420/" + i
        t = asyncio.create_task(download_contain(url))
        tasks.append(t)

    await asyncio.wait(tasks)


async def download_contain(url):
    while True:
        try:
            async with aiohttp.ClientSession() as session:
                async with session.get(url) as resp:
                    page_source = await resp.text()
                    tree = etree.HTML(page_source)
                    title = tree.xpath("//div[@class='reader-main']/h1/text()")
                    # content = "\n".join(tree.xpath("//div[@class='content']//text()").replace('\xa0',''))
                    content = "".join(tree.xpath("//div[@class='content']//text()"))
                    # print(title)
                    # print(content)
                    async with aiofiles.open(f'./藏海花/{title[0]}.txt', mode="w", encoding='utf-8') as wstream:
                        await wstream.write(content)
                        print(title[0] + " ----下载完成")
                        break
        except:
            print("重来一遍")



def book_get():
    url = "https://www.biquge635.com/book/40420/"
    result_list = get_every_chapter(url)
    loop = asyncio.get_event_loop()
    loop.run_until_complete(download_chapter(result_list))


if __name__ == '__main__':
    start = time.time()
    book_get()
    print("爬取时间:", time.time() - start)

 

 

 

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
异步协程爬虫是利用Python中的异步编程和协程机制来实现高效的网络爬虫。通过使用异步协程,可以在一个线程中同时处理多个网络请求,提高爬取数据的效率。 在Python中,可以使用asyncio库来实现异步协程爬虫。下面是一个简单的异步协程爬虫的示例代码: ```python import asyncio import aiohttp async def fetch(session, url): async with session.get(url) as response: return await response.text() async def main(): urls = ['http://example.com', 'http://example.org', 'http://example.net'] async with aiohttp.ClientSession() as session: tasks = [] for url in urls: task = asyncio.create_task(fetch(session, url)) tasks.append(task) responses = await asyncio.gather(*tasks) for response in responses: print(response) if __name__ == '__main__': asyncio.run(main()) ``` 在上面的代码中,我们首先定义了一个`fetch`函数,用于发送异步HTTP请求并返回响应的内容。然后,在`main`函数中,我们创建了一个异步的`ClientSession`对象,用于发送并发的HTTP请求。接着,我们使用`asyncio.create_task`函数创建了多个任务,并将其添加到任务列表中。最后,使用`asyncio.gather`函数等待所有任务完成,并打印每个响应的内容。 通过使用异步协程爬虫,可以实现高效的并发请求,从而加快爬取数据的速度。同时,由于使用了异步编程的机制,还可以避免阻塞主线程,提高整个程序的运行效率。
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