【每日爬虫】:利用线程池爬取百思不得姐段子

文章目录


2020-05-03日爬虫练习
每日一个爬虫小练习,学习爬虫的记得关注哦!

学习编程就像学习骑自行车一样,对新手来说最重要的是持之以恒的练习。
在《汲取地下水》这一章节中看见的一句话:“别担心自己的才华或能力不足。持之以恒地练习,才华便会有所增长”,现在想来,真是如此。

在这里插入图片描述


'''
多线程爬取百思不得姐

version:01
author:金鞍少年
date:2020-05-02

'''

from concurrent.futures import ThreadPoolExecutor
import requests
from bs4 import BeautifulSoup
import csv,time

class budejie:

    def __init__(self):

        self.pool = ThreadPoolExecutor(10)  # 开10个线程的线程池
        self.switch = False
        self.headers = {
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.92 Safari/537.36',
            'Referer': 'http://www.budejie.com/text/'
        }

    # 获取网页html
    def gethtml(self, url):
        try:
            res = requests.get(url=url, headers=self.headers)
            res.raise_for_status()
            html = BeautifulSoup(res.content,'lxml')
            return html
        except Exception as e:
            print(e)

    # 解析网页,得到 网址和段子正文
    def parsehtml(self,html):
        html = html.result(timeout=None)
        talks = {}
        text = html.find_all('div', class_="j-r-list-c")
        for i in text:
            href = 'http://www.budejie.com' + i.a['href']
            cross_talk = i.get_text().strip()
            talks[href] = cross_talk
        self.pool.submit(self.savetalk,talks)

    # 储存本地
    def savetalk(self, talks):
        with open('百思不得姐.csv','w',encoding='utf-8',newline='')as f:
            for talk in talks:
                writer = csv.writer(f)
                writer.writerow((talk, talks[talk]))
                print(talk,'写入成功!')

        self.switch = True

    def main(self,url):
        self.pool.submit(self.gethtml, url).add_done_callback(self.parsehtml)

        while not self.switch: # 防止主线程结束
            time.sleep(0.00001)

        self.pool.shutdown()  # 关闭线程池

if __name__ == '__main__':

    obj = budejie()
    obj.main('http://www.budejie.com/text/')
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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