Python多線程爬蟲實(shí)戰(zhàn)_爬取糗事百科段子的實(shí)例

更新時(shí)間：2017年12月15日 10:02:49 作者：Liuyt_61

下面小編就為大家分享一篇Python多線程爬蟲實(shí)戰(zhàn)_爬取糗事百科段子的實(shí)例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧

多線程爬蟲：即程序中的某些程序段并行執(zhí)行，

合理地設(shè)置多線程，可以讓爬蟲效率更高

糗事百科段子普通爬蟲和多線程爬蟲

分析該網(wǎng)址鏈接得出：

https://www.qiushibaike.com/8hr/page/頁(yè)碼/

多線程爬蟲也就和JAVA的多線程差不多，直接上代碼

'''
#此處代碼為普通爬蟲
import urllib.request
import urllib.error
import re
headers = ("User-Agent","Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36")
opener = urllib.request.build_opener()
opener.addheaders = [headers]
urllib.request.install_opener(opener)
for i in range(1,2):
 url = "https://www.qiushibaike.com/8hr/page/"+str(i)+"/"
 pagedata = urllib.request.urlopen(url).read().decode("utf-8","ignore")
 pattern = '<div class="content">.*?<span>(.*?)</span>(.*?)</div>'
 datalist = re.compile(pattern,re.S).findall(pagedata)
 for j in range(0,len(datalist)):
  print("第"+str(i)+"頁(yè)第"+str(j)+"個(gè)段子內(nèi)容是：")
  print(datalist[j])
'''
'''
#此處為多線程介紹代碼
import threading #導(dǎo)入多線程包
class A(threading.Thread): #創(chuàng)建一個(gè)多線程A
 def __init__(self):  #必須包含的兩個(gè)方法之一:初始化線程
  threading.Thread.__init__(self)
 def run(self):   #必須包含的兩個(gè)方法之一：線程運(yùn)行方法
  for i in range(0,11):
   print("我是線程A")
class B(threading.Thread): #創(chuàng)建一個(gè)多線程A
 def __init__(self):  #必須包含的兩個(gè)方法之一:初始化線程
  threading.Thread.__init__(self)
 def run(self):   #必須包含的兩個(gè)方法之一：線程運(yùn)行方法
  for i in range(0,11):
   print("我是線程B")
t1 = A() #線程實(shí)例化
t1.start() #線程運(yùn)行
t2 = B()
t2.start()
'''

#此處為修改后的多線程爬蟲
#使用多線程進(jìn)行奇偶頁(yè)的爬取
import urllib.request
import urllib.error
import re
import threading
headers = ("User-Agent","Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36")
opener = urllib.request.build_opener()
opener.addheaders = [headers]
urllib.request.install_opener(opener)
class one(threading.Thread): #爬取奇數(shù)頁(yè)內(nèi)容
 def __init__(self):
  threading.Thread.__init__(self)
 def run(self):
  for i in range(1,12,2):
   url = "https://www.qiushibaike.com/8hr/page/"+str(i)+"/"
   pagedata = urllib.request.urlopen(url).read().decode("utf-8","ignore")
   pattern = '<div class="content">.*?<span>(.*?)</span>(.*?)</div>'
   datalist = re.compile(pattern,re.S).findall(pagedata)
   for j in range(0,len(datalist)):
    print("第"+str(i)+"頁(yè)第"+str(j)+"段子內(nèi)容為：")
    print(datalist[j])

class two(threading.Thread): #爬取奇數(shù)頁(yè)內(nèi)容
 def __init__(self):
  threading.Thread.__init__(self)
 def run(self):
  for i in range(2,12,2):
   url = "https://www.qiushibaike.com/8hr/page/"+str(i)+"/"
   pagedata = urllib.request.urlopen(url).read().decode("utf-8","ignore")
   pattern = '<div class="content">.*?<span>(.*?)</span>(.*?)</div>'
   datalist = re.compile(pattern,re.S).findall(pagedata)
   for j in range(0,len(datalist)):
    print("第"+str(i)+"頁(yè)第"+str(j)+"段子內(nèi)容為：")
    print(datalist[j])
t1 = one()
t2 = two()
t1.start()
t2.start()

以上這篇Python多線程爬蟲實(shí)戰(zhàn)_爬取糗事百科段子的實(shí)例就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

您可能感興趣的文章: