# coding=utf-8
import requests
from lxml import etree
import threading
from multiprocessing import Process
from multiprocessing import JoinableQueue as Queue
class QiubaiSpider:
def __init__(self):
self.url_temp = "https://www.qiushibaike.com/8hr/page/{}/"
self.headers = {
"User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.186 Safari/537.36"}
self.url_queue = Queue() # 保存url
self.html_queue = Queue() # 保存html字符串
self.content_queue = Queue() # 保存提取到的数据
def get_url_list(self):
for i in range(1,21):
self.url_queue.put(self.url_temp.format(i))
def parse_url(self):
while True:
url = self.url_queue.get()
print(url)
html_str = requests.get(url, headers=self.headers).content.decode()
self.html_queue.put(html_str)
self.url_queue.task_done()
def get_content_list(self):
while True:
html_str = self.html_queue.get()
html = etree.HTML(html_str)
div_list = html.xpath("//div[@id='content-left']/div")
content_list = []
for div in div_list:
content = {}
content["content"] = div.xpath(".//div[@class='content']/span/text()")
content_list.append(content)
self.content_queue.put(content_list)
self.html_queue.task_done()
def save_content_list(self):
while True:
content_list = self.content_queue.get()
pass
self.content_queue.task_done()
def run(self):
process_list = []
# 1. url_list
t_url = Process(target=self.get_url_list)
process_list.append(t_url)
# 2. 遍历,发送请求
for i in range(10): # 创建5个子进程
t_parse = Process(target=self.parse_url)
process_list.append(t_parse)
# 3. 提取数据
t_content = Process(target=self.get_content_list)
process_list.append(t_content)
# 4. 保存
t_save = Process(target=self.save_content_list)
process_list.append(t_save)
for t in process_list:
t.daemon = True # 把进线程设置为守护线程,主进程技术,子进程结束
t.start()
for q in [self.url_queue, self.html_queue, self.content_queue]:
q.join() # 让主进程阻塞
print("主进程结束")
if __name__ == '__main__':
qiubai = QiubaiSpider()
qiubai.run()
爬虫多进程
©著作权归作者所有,转载或内容合作请联系作者
- 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
- 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
- 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
推荐阅读更多精彩内容
- 1.对于爬取静态网页:思路就是直接拼接每个页面的url,得到一个超大的url 的list,然后一个一个的reque...
- 一、多进程 多任务:生活中来看,就是多个任务同时进行,喝酒聊天,开车,手脚并用,唱歌跳舞 电脑中:录屏、subli...
- python中的多线程其实并不是真正的多线程,如果想要充分地使用多核CPU的资源,在python中大部分情况需要使...
- 多进程 关于多进程爬虫和多进程方面的知识可以参考崔庆才的博客和python文档 协程 关于协程的介绍,强烈推荐大家...