python多线程爬今日头条

import threading

import time

from lxmlimport etree

import requests

from queueimport Queue

import re

"""

其实 函数参数中的冒号是参数的类型建议符,告诉程序员希望传入的实参的类型 。 函数后面跟着的箭头是函数返回值的类型建议符

,用来说明该函数返回的值是什么类型 。 更官方的解释:此为type hints,是Python 3.5新加的"""

headers = {

'user-agent':"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/99.0.4844.74 Safari/537.36 Edg/99.0.1150.55",

    'refer':'https://so.toutiao.com/search?keyword=%E8%A1%97%E6%8B%8D%E7%BE%8E%E5%A5%B3&pd=information&source=pagination&dvpf=pc&aid=4916&page_num={page}&search_id=202203201951110102120460753D61F421'

}

cookie={'cookie':'tt_webid=7077014656070960676; _S_DPR=1.5; _S_IPAD=0; MONITOR_WEB_ID=7077014656070960676; FRM=new; PIXIEL_RATIO=1.5; WIN_WH=1280_648; ttcid=c9720ff1a7c146a790a1c113c8f8e91f39; tt_scid=0LEZtCnx3EI6WHPLeDb9vGDK-P-YwQDee.cVi7b6xfkeANJ9dxJUAUIHgJiGKGF08d18; ttwid=1%7C5pSenh2ZSIAoAPAnZmcHQ2xN3TykA8ikp6iCucnETC0%7C1648709296%7Ce85f11b922972468dc1718583be6152a42d5113842d03386a442d9afccd8b8aa; _S_WIN_WH=1280_648'}

class Producer(threading.Thread):

def __init__(self, page_queue,img_queue, *args, **kwargs):

super(Producer, self).__init__(*args, **kwargs)

self.page_queue= page_queue

self.img_queue = img_queue

def run(self):

while True:

if self.page_queue.empty():

break

            else:

url =self.page_queue.get()

self.parse_page(url)

def parse_page(self, url):

response = requests.get(url=url, headers=headers,cookies=cookie)

text = response.text

html = etree.HTML(text)

img_list = html.xpath('//div[@class="cs-view cs-view-block cs-card-content"]')

for liin img_list:

href = li.xpath('./a/@href')

if href:

m = re.findall(r'.*(\d{19}).*', href[0])

a ='https://www.toutiao.com/a' + m[0] +'/?channel=&source=search_tab'

                self.parser2(a)

def parser2(self,a):

response = requests.get(url=a, headers=headers,cookies=cookie )

m = etree.HTML(response.text)

s = m.xpath('//article[@class="syl-article-base tt-article-content syl-page-article syl-device-pc"]')[0]

x = s.xpath('./div[@class="pgc-img"]')

for iin x:

ll = i.xpath('./img/@src')

if ll:

self.img_queue.put(ll[0])

class Consumer(threading.Thread):

def __init__(self, page_queue, img_queue, *args, **kwargs):

super(Consumer, self).__init__(*args, **kwargs)

self.page_queue = page_queue

self.img_queue = img_queue

print('af',self.img_queue.get())

def run(self):

while True:

if self.page_queue.empty()and self.img_queue.empty():

break

            else:

imgurl=self.img_queue.get()

name = imgurl[-11:-8]

path =r"C:\Users\29258\Desktop\er\\" + name +'.jpg'

                response = requests.get(url=imgurl, headers=headers,)

with open(path, 'wb')as fp:

fp.write(response.content)

print(name,'下载好了')

def main():

page_queue = Queue(50)# 存储页码链接

    img_queue = Queue(10)# 存储解析出来的图片链接

    # 想要爬取前10页的数据

    for pagein range(50):

url =f'https://so.toutiao.com/search?keyword=%E8%A1%97%E6%8B%8D%E7%BE%8E%E5%A5%B3&pd=information&source=pagination&dvpf=pc&aid=4916&page_num={page}&search_id=202203201951110102120460753D61F421'

        print(url)

page_queue.put(url)# 将10页的页码链接加入到了page_queue

    for xin range(3):

t = Producer(page_queue, img_queue)

t.start()

# 开启三个消费者

    for xin range(5):

t = Consumer(page_queue, img_queue)

t.start()

time.sleep(3)

if __name__=='__main__':

main()

# 开启三个生产者

    # for x in range(3):

#    t = Producer(page_queue, img_queue)

#    t.start()

  # # 开启三个消费者

    # for x in range(3):

#    t = Consumer(page_queue, img_queue)

#    t.start()

原创

©著作权归作者所有,转载或内容合作请联系作者
禁止转载,如需转载请通过简信或评论联系作者。
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,377评论 6 496
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,390评论 3 389
  • 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...
    开封第一讲书人阅读 159,967评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,344评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,441评论 6 386
  • 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...
    开封第一讲书人阅读 50,492评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,497评论 3 412
  • 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...
    开封第一讲书人阅读 38,274评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,732评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,008评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,184评论 1 342
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,837评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,520评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,156评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,407评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,056评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,074评论 2 352

推荐阅读更多精彩内容