python多协程爬虫示例
写python协程时使用gevent模块和queue模块可以大大提高爬虫速度。在同时爬取多个网站时,原来用for循环一个网站一个网站按循序顺序爬,就像先烧饭后烧菜,两个步骤异步进行。使用多协程可以让爬虫自己选择爬取顺序,就像边烧饭边烧菜,两个步骤同步进行,速度自然快了。
不多说了,来看下代码吧:
越城网站制作公司哪家好,找创新互联!从网页设计、网站建设、微信开发、APP开发、成都响应式网站建设公司等网站项目制作,到程序开发,运营维护。创新互联从2013年开始到现在10年的时间,我们拥有了丰富的建站经验和运维经验,来保证我们的工作的顺利进行。专注于网站建设就选创新互联。
from gevent import monkey
monkey.patch_all()
#打上多协程布丁,下面的程序就可以执行多协程了
import requests,gevent,csv
from gevent.queue import Queue
from bs4 import BeautifulSoup
#把所有URL都放到一个列表里:
url_list=[]
i=1
for i in range(10):
i=i+1
url='http://www.mtime.com/top/tv/top100/index-'+str(i)+'.html'
url_list.append(url)
#第一个url和别的不一样,需要单独加入
url_0='http://www.mtime.com/top/tv/top100/'
url_list.append(url_0)
headers={
'User-Agent':
}
csv_file=open('时光网电影列表.csv','a+',newline='',encoding='utf-8')
writer=csv.writer(csv_file)
file_head=['电影名称','导演','主演','简介']
writer.writerow(file_head)
def list(movies):
for movie in movies:
title=movie.find('h3',class_="px14 pb6").find('a').text
acts=movie.find_all('p')
try:
dic=acts[0].text
except IndexError:
dic='none'
try:
actor=acts[1].text
except IndexError:
actor='none'
try:
bief=movie.find('p',class_="mt3").text
except AttributeError:
bief='none'
writer.writerow([title,dic,actor,bief])
#所有url都放到‘不用等’房间里:
work=Queue()
for url in url_list:
work.put_nowait(url)
#爬虫对象:
def crawler():
while not work.empty():
url=work.get_nowait()
res=requests.get(url,headers=headers)
soup=BeautifulSoup(res.text,'html.parser')
movies=soup.find_all('div',class_="mov_con")
list(movies)
print(url,work.qsize(),res.status_code)
#建立多协程任务,任务不用建太多,2个就够,太多的话对方服务器承受不了
tasks_list=[]
for x in range(2):
task=gevent.spawn(crawler)
tasks_list.append(task)
gevent.joinall(tasks_list)
csv_file.close()
分享名称:python多协程爬虫示例
链接分享:http://scpingwu.com/article/ipciis.html