多線程爬蟲(完善版)

import threading

from queue import Queue

import time

from lxml import etree

import requests

import json

# 判斷解析線程何時(shí)退出的標(biāo)記位

g_parse_flag = True

class CrawlThread(threading.Thread):

def __init__(self, name, page_queue, data_queue):

super().__init__()

self.name = name

# 保存頁碼隊(duì)列

self.page_queue = page_queue

self.data_queue = data_queue

# url

self.url = 'http://www.fanjian.net/duanzi-{}'

self.headers = {

'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36',

}

def run(self):

print('%s線程開始啟動(dòng)' % self.name)

# 這里面的思路是什么茫叭?

while 1:

if self.page_queue.empty():

break

# 1、從頁碼隊(duì)列中獲取頁碼

page = self.page_queue.get()

# 2、將url和頁碼進(jìn)行拼接

url = self.url.format(page)

# 3蛉抓、發(fā)送請(qǐng)求诬垂,獲取響應(yīng)

r = requests.get(url=url, headers=self.headers)

time.sleep(1)

# 4量九、將響應(yīng)內(nèi)容放入到數(shù)據(jù)隊(duì)列中

self.data_queue.put(r.text)

print('%s線程結(jié)束' % self.name)

class ParseThread(threading.Thread):

def __init__(self, name, data_queue, lock, fp):

super().__init__()

self.name = name

# 保存數(shù)據(jù)隊(duì)列

self.data_queue = data_queue

self.lock = lock

self.fp = fp

def run(self):

# time.sleep(3)

print('%s線程開始啟動(dòng)' % self.name)

# 解析線程解析步驟

while 1:

# 1捆愁、從數(shù)據(jù)隊(duì)列中取出一個(gè)數(shù)據(jù)

content = self.data_queue.get()

# 2燕刻、解析這個(gè)數(shù)據(jù)

items = self.parse_content(content)

# 3饿凛、寫入到文件中

string = json.dumps(items, ensure_ascii=False)

# 加鎖

self.lock.acquire()

self.fp.write(string + '====\n')

# 釋放鎖

self.lock.release()

time.sleep(2)

if g_parse_flag == False:

break

print('%s線程結(jié)束' % self.name)

# 解析數(shù)據(jù)函數(shù)

def parse_content(self, content):

# 生成tree對(duì)象

tree = etree.HTML(content)

# 先找到所有的li標(biāo)簽

li_list = tree.xpath('//li[@class="cont-item"]')

items = []

for oli in li_list:

# 獲取頭像

face = oli.xpath('.//div[@class="cont-list-reward"]//img/@data-src')[0]

# 獲取名字

name = oli.xpath('.//div[@class="cont-list-head"]/a/text()')[0]

# 獲取內(nèi)容

text = oli.xpath('.//div[@class="cont-list-main"]/p/text()')[0]

# 獲取時(shí)間

shijian = oli.xpath('.//div[@class="cont-list-info fc-gray"]/text()')[-1]

item = {

'頭像': face,

'名字': name,

'內(nèi)容': text,

'時(shí)間': shijian,

}

# 將字典添加到列表中

items.append(item)

return items

def create_queue():

page_queue = Queue()

data_queue = Queue()

# 向頁碼隊(duì)列中添加頁碼

for page in range(1, 11):

page_queue.put(page)

return page_queue, data_queue

def main():

# 做什么狞玛?

# 創(chuàng)建鎖

lock = threading.Lock()

# 打開文件

fp = open('duanzi.txt', 'w', encoding='utf8')

# 創(chuàng)建兩個(gè)隊(duì)列

page_queue, data_queue = create_queue()

# 創(chuàng)建采集、解析線程

crawlname_list = ['采集線程1', '采集線程2', '采集線程3']

parsename_list = ['解析線程1', '解析線程2', '解析線程3']

# 列表涧窒,用來保存所有的采集線程和解析線程

t_crawl_list = []

t_parse_list = []

for crawlname in crawlname_list:

t_crawl = CrawlThread(crawlname, page_queue, data_queue)

t_crawl.start()

# 將對(duì)應(yīng)的采集線程保存起來

t_crawl_list.append(t_crawl)

for parsename in parsename_list:

t_parse = ParseThread(parsename, data_queue, lock, fp)

# 將對(duì)應(yīng)的解析線程保存起來

t_parse_list.append(t_parse)

t_parse.start()

# 一直在判斷解析線程何時(shí)推出

while 1:

if page_queue.empty():

break

time.sleep(3)

while 1:

if data_queue.empty():

global g_parse_flag

g_parse_flag = False

break

# 讓主線程等待子線程結(jié)束之后再結(jié)束

for t_crawl in t_crawl_list:

t_crawl.join()

for t_parse in t_parse_list:

t_parse.join()

fp.close()

print('主線程心肪、子線程全部結(jié)束')

if __name__ == '__main__':

main()

# 留給大家了,為什么里面沒有寫數(shù)據(jù)呢纠吴?

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末硬鞍,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子戴已,更是在濱河造成了極大的恐慌固该,老刑警劉巖,帶你破解...
    沈念sama閱讀 218,451評(píng)論 6 506
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件糖儡,死亡現(xiàn)場(chǎng)離奇詭異伐坏,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)握联,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,172評(píng)論 3 394
  • 文/潘曉璐 我一進(jìn)店門桦沉,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人拴疤,你說我怎么就攤上這事永部。” “怎么了呐矾?”我有些...
    開封第一講書人閱讀 164,782評(píng)論 0 354
  • 文/不壞的土叔 我叫張陵苔埋,是天一觀的道長。 經(jīng)常有香客問我蜒犯,道長组橄,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,709評(píng)論 1 294
  • 正文 為了忘掉前任罚随,我火速辦了婚禮玉工,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘淘菩。我一直安慰自己遵班,他們只是感情好屠升,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,733評(píng)論 6 392
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著狭郑,像睡著了一般腹暖。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上翰萨,一...
    開封第一講書人閱讀 51,578評(píng)論 1 305
  • 那天脏答,我揣著相機(jī)與錄音,去河邊找鬼亩鬼。 笑死殖告,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的雳锋。 我是一名探鬼主播黄绩,決...
    沈念sama閱讀 40,320評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼魄缚!你這毒婦竟也來了宝与?” 一聲冷哼從身側(cè)響起焚廊,我...
    開封第一講書人閱讀 39,241評(píng)論 0 276
  • 序言:老撾萬榮一對(duì)情侶失蹤冶匹,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后咆瘟,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體嚼隘,經(jīng)...
    沈念sama閱讀 45,686評(píng)論 1 314
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,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(diǎn)故事閱讀 37,878評(píng)論 3 336
  • 正文 我和宋清朗相戀三年袒餐,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了飞蛹。 大學(xué)時(shí)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。...
    茶點(diǎn)故事閱讀 39,992評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡灸眼,死狀恐怖卧檐,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情焰宣,我是刑警寧澤霉囚,帶...
    沈念sama閱讀 35,715評(píng)論 5 346
  • 正文 年R本政府宣布,位于F島的核電站匕积,受9級(jí)特大地震影響盈罐,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜闪唆,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,336評(píng)論 3 330
  • 文/蒙蒙 一盅粪、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧悄蕾,春花似錦票顾、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,912評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽霸旗。三九已至,卻和暖如春戚揭,著一層夾襖步出監(jiān)牢的瞬間诱告,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 33,040評(píng)論 1 270
  • 我被黑心中介騙來泰國打工民晒, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留精居,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 48,173評(píng)論 3 370
  • 正文 我出身青樓潜必,卻偏偏與公主長得像靴姿,于是被迫代替她去往敵國和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子磁滚,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,947評(píng)論 2 355

推薦閱讀更多精彩內(nèi)容