很久没写爬虫了,一个经典的Python爬虫例子,Python多线程爬虫例子案例,目标网站结构比较简单,适合练手使用,采用了经典的生产者和消费者模式,同时结合python类和装饰器的使用,应该能够让你获益不少。
几个关键点:
1.python多线程 生产者与消费者模式
官方文档:
17.1. threading — 基于线程的并行
https://docs.python.org/zh-cn/3.6/library/threading.html
两个案例参考:
用Python多线程实现生产者消费者模式
https://segmentfault.com/a/1190000008909344
python-多线程3-生产者消费者
https://www.cnblogs.com/R-bear/p/7031722.html
2.@property 装饰器
既要保护类的封装特性,又要让开发者可以使用“对象.属性”的方式操作操作类属性,除了使用 property() 函数,Python 还提供了 @property 装饰器。通过 @property 装饰器,可以直接通过方法名来访问方法,不需要在方法名后添加一对“()”小括号。
参考:
http://c.biancheng.net/view/4561.html
https://www.liaoxuefeng.com/wiki/897692888725344/923030547069856
3.@staticmethod 静态方法
@staticmethod 静态方法只是名义上归属类管理,但是不能使用类变量和实例变量,是类的工具包 放在函数前(该函数不传入self或者cls),所以不能访问类属性和实例属性。
参考:
Python进阶-----静态方法(@staticmethod)
https://www.cnblogs.com/Meanwey/p/9788713.html
Python staticmethod() 函数
https://www.runoob.com/python/python-func-staticmethod.html
4.Queue 队列
queue 模块实现多生产者,多消费者队列。当信息必须安全的在多线程之间交换时,它在线程编程中是特别有用的。此模块中的 Queue 类实现了所有锁定需求的语义。
Queue.put(item, block=True, timeout=None) 将 item 放入队列。
如果可选参数 block 是 true 并且 timeout 是 None (默认),则在必要时阻塞至有空闲插槽可用。如果 timeout 是个正数,将最多阻塞 timeout 秒,如果在这段时间没有可用的空闲插槽,将引发 Full 异常。反之 (block 是 false),如果空闲插槽立即可用,则把 item 放入队列,否则引发 Full 异常 ( 在这种情况下,timeout 将被忽略)。
参考:
17.7. queue — 一个同步的队列类
https://docs.python.org/zh-cn/3.6/library/queue.html
还是推荐和尝试去阅读官方文档,慢慢理解和实践!
运行三个报错
1.Queue 队列,只能接收一个值
2.目录文件名未格式处理,存储路径错误
3.timeout报错
可能是图片路径存在问题,待查证!
运行效果
采集效果
附源码:
#BillWang 博闻 采集