IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> 开发工具 -> 网络爬虫基础4--requests和多线程的使用 -> 正文阅读

[开发工具]网络爬虫基础4--requests和多线程的使用

网络爬虫基础4

以思维导图的方式记述爬虫学习基础,没有详细的信息,只有一些要点!


前言

记述了requests的使用,以及如何使用Python的多进程库multiprocessing来实现多线程爬虫,并实现一个爬虫案例。

思维导图

在这里插入图片描述

代码区

import requests
import re

''' 4.1 使用Python获取网页的源代码 '''
# GET方式
def get():
    html_str = requests.get("http://exercise.kingname.info/exercise_requests_get.html").content.decode()
    print(html_str,'\n')
# POST方式
'''
1.构建字典data,给各个元素赋具体的值
2.使用formdata或者json提交数据,参数为name和password
'''
def post():
    data1 = {'name':'1','password':'2333'}
    html1_formdata = requests.post("http://exercise.kingname.info/exercise_requests_post",data=data1).content.decode()
    html2_json = requests.post("http://exercise.kingname.info/exercise_requests_post",json=data1).content.decode()
    print(html1_formdata)
    print(html2_json)
# requests与正则表达式
def requests_re():
    data = {'name': '1', 'password': '2333'}
    html2 = requests.post("http://exercise.kingname.info/exercise_requests_post", data=data).content.decode()
    title = re.search('title>(.*?)<', html2, re.S).group(1)
    content_list = re.findall('p>(.*?)<', html2, re.S)
    content_str = ''.join(content_list)
    print("页面标题是:", title)
    print(content_list)
    print("页面内容是:", content_str)
def requests_re_baidu():
    html2 = requests.get("https://www.baidu.com").content.decode()
    title = re.search('script>(.*?)</script', html2, re.S).group(1)
    content_list = re.findall('http-equiv=(.*?) content',html2,re.S)
    content_str = '\n'.join(content_list)
    print("script:\n",title)
    print(content_str)

''' 4.2 多线程爬虫 '''
from multiprocessing.dummy import Pool
# 多线程的简单使用
def duoxiancheng_shiyon():
    def calc_power2(num):
        return num * num
    pool = Pool(3)
    origin_num = {x for x in range(10)}
    result = pool.map(calc_power2, origin_num)
    print(f'计算0-9的平方分别为:{result}')

def duoxiancheng1():
    from multiprocessing.dummy import Pool;
    def query(url):
        requests.get(url);
    url_list = [];
    for i in range(100):
        url_list.append('https://baidu.com');
    pool = Pool(5);
    pool.map(query,url_list);

爬虫案例

import re
import os
import requests

html = requests.get('http://www.kanunu8.com/book3/6879').content.decode('GB2312')
start_url = 'http://www.kanunu8.com/book3/6879/'
# 获取每一章链接,存储到一个列表中并返回
def get_toc(html,start_url):
    toc_url_list = []
    toc_block = re.findall('正文(.*?)</tbody>',html,re.S)[0]
    toc_url = re.findall('href="(.*?)">',toc_block,re.S)
    for url in toc_url:
        toc_url_list.append(start_url+'/'+url)
    return toc_url_list
# 获取每一章正文并返回章节名和正文    
def get_article(httl):
    chapter_name = re.search('size="4">(.*?)</font>',httl,re.S).group(1)
    text_block = re.search('<p>(.*?)</p>',httl,re.S).group(1)
    text_block = text_block.replace('<br />','')
    return chapter_name,text_block
# 将每一章保存到本地    
def save(chapter,article):
    os.makedirs('动物农场',exist_ok = True)
    with open(os.path.join('动物农场',chapter+'.txt'),'a',encoding='utf-8') as f:
        f.write(article)
# 调用函数,调试运行       
httls = get_toc(html,start_url)
for h in httls:
    httl = requests.get(h).content.decode('GB2312')
    chapter,article = get_article(httl)
    save(chapter,article)

效果图

在这里插入图片描述

效果看法

效果一般,还需改良,把章节内容写入文件的格式需要优化;
注意编码格式不是UTF-8

  开发工具 最新文章
Postman接口测试之Mock快速入门
ASCII码空格替换查表_最全ASCII码对照表0-2
如何使用 ssh 建立 socks 代理
Typora配合PicGo阿里云图床配置
SoapUI、Jmeter、Postman三种接口测试工具的
github用相对路径显示图片_GitHub 中 readm
Windows编译g2o及其g2o viewer
解决jupyter notebook无法连接/ jupyter连接
Git恢复到之前版本
VScode常用快捷键
上一篇文章      下一篇文章      查看所有文章
加:2021-11-16 19:02:43  更:2021-11-16 19:03:14 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 -2024/11/15 21:07:21-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码