Python 學習——每天寫點小東西-6

今天的爬蟲是爬取某網(wǎng)站的所有鏈接,涉及到了MongoDB及其簡單的操作,和多線程彤悔,雖然爬取的數(shù)據(jù)簡單,但是能爬取這么多的數(shù)據(jù)索守,感覺很激動晕窑。
代碼如下:
channel_extract.py

from bs4 import BeautifulSoup
import requests


start_url = 'http://cd.58.com/sale.shtml'
url_host = 'http://cd.58.com'


def get_channel_urls(url):
    wb_data = requests.get(url)
    soup = BeautifulSoup(wb_data.text, 'lxml')
    links = soup.select('ul.ym-submnu > li > b > a')
    for link in links:
        page_url = url_host + link.get('href')
        print(page_url)

# get_channel_urls(start_url)     # 爬取所有二級鏈接,并存入channel_list


channel_list = '''

'''

page_parsing.py

def get_links_from(channel, pages, who_sells=0): # 爬取二級鏈接下面的一個頁面的所有鏈接
    list_view = '{}{}/pn{}'.format(channel, str(who_sells), str(pages))
    wb_data = requests.get(list_view)
    time.sleep(1)
    soup = BeautifulSoup(wb_data.text, 'lxml')

    if soup.find('td', 't'):
        for link in soup.select('td.t a.t'):
            item_link = link.get('href').split('?')[0]
            if len(item_link) <= 56 and 'jump' not in item_link:  # 去點無效鏈接
                url_list.insert_one({'url': item_link})
                print(item_link)
    else:
        pass

main.py

from multiprocessing import Pool
from channel_extract import channel_list
from page_parsing import get_links_from


def get_all_links_from(channel):
    for page in range(1, 101):
        get_links_from(channel, page)


if __name__ == '__main__':
    pool = Pool()
    pool.map(get_all_links_from, channel_list.split())

最后一個計數(shù)文件:
count.py

import time
from page_parsing import url_list


while True:
    print(url_list.find().count())    # 從MongoDB中獲取數(shù)據(jù)條數(shù)
    time.sleep(5)

雖然爬取的數(shù)據(jù)不是很多卵佛,但是能夠激勵我堅持學習下去杨赤。

最后編輯于
?著作權歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市截汪,隨后出現(xiàn)的幾起案子疾牲,更是在濱河造成了極大的恐慌,老刑警劉巖衙解,帶你破解...
    沈念sama閱讀 212,884評論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件阳柔,死亡現(xiàn)場離奇詭異,居然都是意外死亡丢郊,警方通過查閱死者的電腦和手機盔沫,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,755評論 3 385
  • 文/潘曉璐 我一進店門医咨,熙熙樓的掌柜王于貴愁眉苦臉地迎上來枫匾,“玉大人,你說我怎么就攤上這事拟淮「绍裕” “怎么了?”我有些...
    開封第一講書人閱讀 158,369評論 0 348
  • 文/不壞的土叔 我叫張陵很泊,是天一觀的道長角虫。 經(jīng)常有香客問我沾谓,道長,這世上最難降的妖魔是什么戳鹅? 我笑而不...
    開封第一講書人閱讀 56,799評論 1 285
  • 正文 為了忘掉前任均驶,我火速辦了婚禮,結果婚禮上枫虏,老公的妹妹穿的比我還像新娘妇穴。我一直安慰自己,他們只是感情好隶债,可當我...
    茶點故事閱讀 65,910評論 6 386
  • 文/花漫 我一把揭開白布腾它。 她就那樣靜靜地躺著,像睡著了一般死讹。 火紅的嫁衣襯著肌膚如雪瞒滴。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 50,096評論 1 291
  • 那天赞警,我揣著相機與錄音妓忍,去河邊找鬼。 笑死愧旦,一個胖子當著我的面吹牛单默,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播忘瓦,決...
    沈念sama閱讀 39,159評論 3 411
  • 文/蒼蘭香墨 我猛地睜開眼搁廓,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了耕皮?” 一聲冷哼從身側響起境蜕,我...
    開封第一講書人閱讀 37,917評論 0 268
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎凌停,沒想到半個月后粱年,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 44,360評論 1 303
  • 正文 獨居荒郊野嶺守林人離奇死亡罚拟,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 36,673評論 2 327
  • 正文 我和宋清朗相戀三年台诗,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片赐俗。...
    茶點故事閱讀 38,814評論 1 341
  • 序言:一個原本活蹦亂跳的男人離奇死亡拉队,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出阻逮,到底是詐尸還是另有隱情粱快,我是刑警寧澤,帶...
    沈念sama閱讀 34,509評論 4 334
  • 正文 年R本政府宣布,位于F島的核電站事哭,受9級特大地震影響漫雷,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜鳍咱,卻給世界環(huán)境...
    茶點故事閱讀 40,156評論 3 317
  • 文/蒙蒙 一降盹、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧谤辜,春花似錦澎现、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,882評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至渠欺,卻和暖如春妹蔽,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背挠将。 一陣腳步聲響...
    開封第一講書人閱讀 32,123評論 1 267
  • 我被黑心中介騙來泰國打工胳岂, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人舔稀。 一個月前我還...
    沈念sama閱讀 46,641評論 2 362
  • 正文 我出身青樓乳丰,卻偏偏與公主長得像,于是被迫代替她去往敵國和親内贮。 傳聞我的和親對象是個殘疾皇子产园,可洞房花燭夜當晚...
    茶點故事閱讀 43,728評論 2 351

推薦閱讀更多精彩內(nèi)容