之前写过一个用python实现的百度新歌榜、热歌榜下载器的博文,实现了百度新歌、热门歌曲的爬取与下载。但那个采用的是单线程,网络状况一般的情况下,扫描前100首歌的时间大概得到40来秒。而且用Pyqt做的界面,在下载的过程中进行窗口操作,会出现UI阻塞的现象。
前两天有时间调整了一下,做了几方面的改进:
1.修改了UI界面阻塞的问题,下载的过程中可以进行其它的UI操作;
2.爬虫程序采用一个主线程,8个子线程的方式快速爬取,网络状况一致的情况下,将扫描100首歌曲的时间提高到了8、9秒左右;(本地下载速度大概300K左右)
3.解析网页的方法由之前的HtmlParser变成了现在的BeautifulSoup;
要运行此功能需要安装PyQt、BeautifulSoup。运行之前需要在settings.py文件中配置百度账号和密码。
username = "your baidu acount" #配置你的百度账号
password = "your baidu password" #配置你的百度密码
配置好账户和密码后,直接双击spiderMan.py文件运行即可。
运行流程
1.首先由spiderMan.py进入主程序,开始运行。
2.主程序将控制权交给dispatcher调度程序,调度程序首先登录百度。
3.如果登录成功,调度程序开启8个子线程,由这8个子线程抓取百度新歌榜或百度热歌榜的歌曲链接,分析链接,获取真正的下载地址,并将下载地址、歌曲名称、歌手信息写入一个文本文件。
4.当子线程执行完毕,主程序读取上一步生成的文本文件,加载UI窗体。
整个过程如下图:
正常运行后的效果如下图:
github下载地址如下:下载地址
原文:http://www.cnblogs.com/fengzheng/p/3913639.html