python多线程爬虫

先记录一下,普通的糗事百科爬虫:

import urllib.request
import re
import time
import urllib.error

headers=('User-Agent','Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:63.0) Gecko/20100101 Firefox/63.0')
opener=urllib.request.build_opener()
opener.addheaders=[headers]
urllib.request.install_opener(opener)
for i in range(1,3):
    url='https://www.qiushibaike.com/8hr/page/'+str(i)
    pagedata=urllib.request.urlopen(url).read().decode('utf-8','ignore')
    pat='<div class="content">.*?<span>(.*?)</span>.*?</div>'
    datalist=re.compile(pat,re.S).findall(pagedata)
    for j in range(0,len(datalist)):
        print('第'+str(i)+'页第'+str(j)+'几个段子的内容是:')
        print(datalist[j])

多线程爬虫可以实现不同实例化的爬虫类,同步进行处理。

import urllib.request
import re
import time
import urllib.error
import threading

headers=('User-Agent','Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:63.0) Gecko/20100101 Firefox/63.0')
opener=urllib.request.build_opener()
opener.addheaders=[headers]
urllib.request.install_opener(opener)
class One(threading.Thread):
    def __int__(self):
        threading.Thread.__init__(self)
    def run(self):
        for i in range(1,36,2):
            url='https://www.qiushibaike.com/8hr/page/'+str(i)
            pagedata=urllib.request.urlopen(url).read().decode('utf-8','ignore')
            pat='<div class="content">.*?<span>(.*?)</span>.*?</div>'
            datalist=re.compile(pat,re.S).findall(pagedata)
            for j in range(0,len(datalist)):
                print('第'+str(i)+'页第'+str(j)+'几个段子的内容是:')
                print(datalist[j])

class Two(threading.Thread):
    def __int__(self):
        threading.Thread.__init__(self)
    def run(self):
        for i in range(0,36,2):
            url='https://www.qiushibaike.com/8hr/page/'+str(i)
            pagedata=urllib.request.urlopen(url).read().decode('utf-8','ignore')
            pat='<div class="content">.*?<span>(.*?)</span>.*?</div>'
            datalist=re.compile(pat,re.S).findall(pagedata)
            for j in range(0,len(datalist)):
                print('第'+str(i)+'页第'+str(j)+'个段子的内容是:')
                print(datalist[j])

one = One()
one.start()
two=Two()
two.start()

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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