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
 
   -> 网络协议 -> 【Python 多线程+IP代理+MySQL】爬取b某站 -> 正文阅读

[网络协议]【Python 多线程+IP代理+MySQL】爬取b某站

import requests 
import json 
import random 
import pymysql 
import threading
#自行查找user agents
uas = []
ua = random.choice(uas)

#自行查找代理 格式 'ip:port'
proxies_list = []
def get_proxies():
	#设置需要验证密码的ip代理
	proxy = f'账号:密码@{random.choice(proxies_list)}'
	#只有http本机ip被封了而且切换ip也被拦截,但是添加了https ok了
	proxies = {
		'http':'http://'+ proxy,
		'https':'http://'+ proxy,
	}
	print(proxies)
	return proxies 

这里获取列表,里面包含所有user的主页的url?

urls = []
for m in range(5000,5300):
	for i in range(m*100,(m+1)*100):
		url = 'https://space.bilibili.com/' + str(i)
		urls.append(url)

接下来定义获取user信息的函数?

def get_user_info(url): 
	mid =  url.replace('https://space.bilibili.com/', '')
	head = {
		'User-Agent': ua,
		'Referer': url + '?from=search&seid=' + str(random.randint(10000, 50000))
	}

	while True:
		n = 1
		try:
			proxies = get_proxies()
			response = requests.get('https://api.bilibili.com/x/space/acc/info?mid=%s&jsonp=jsonp'\
				%mid,headers=head,proxies=proxies,timeout=5)
			if response.status_code == 200:
				break
			else:
				pass

		except Exception as e:
			print('Proxy Error', e)
			try:
				proxies = get_proxies()
				response = requests.get('https://api.bilibili.com/x/space/acc/info?mid=%s&jsonp=jsonp'\
					%mid,headers=head,proxies=proxies,timeout=5)
				if response.status_code == 200:
					break
			except Exception as e:
				print('Proxy Error 2',e)

接上部分,接下来对获取的数据进行处理,这里通过json提取出mid、name、sex以及level。当然还有其他信息也可以自行提取。?

收集的数据存入mysql。需要提前创建database和table。

    content = response.text
	semaphore.release()
	print(content)
	 

	try:
		info_dict = json.loads(content)
		status_code = info_dict['code'] if 'code' in info_dict.keys() else False
		if status_code == 0:
			if 'data' in info_dict.keys():
				user_data = info_dict['data']
				mid = user_data['mid']
				name = user_data['name']
				sex = user_data['sex']
                level = user_data['level']
			else:
				print('no data')

			try:
				conn = pymysql.connect(host='localhost',port=3306,user='root',password='123123123',database='bilibili',charset='utf8')
				cursor = conn.cursor()
				cursor.execute("insert into bilibili_user(mid,name,sex,level) values (%s,'%s','%s',%s)" % (mid,name,sex,level))
				conn.commit()
				
				
			except Exception as e:
				print('mysql Error',e)
		else:
			print('error: ', url)
			pass
	except Exception as e:
		print(e)

主函数。这里试用多线程模块threading,boundedsemaphore控制并发数量。

if __name__ == '__main__':
	semaphore = threading.BoundedSemaphore(5)
	for url in urls:
		semaphore.acquire()
		t1 = threading.Thread(target=get_user_info,args=(url,))
		t1.start()

成果展示

?

?

?

?

?

?

?

  网络协议 最新文章
使用Easyswoole 搭建简单的Websoket服务
常见的数据通信方式有哪些?
Openssl 1024bit RSA算法---公私钥获取和处
HTTPS协议的密钥交换流程
《小白WEB安全入门》03. 漏洞篇
HttpRunner4.x 安装与使用
2021-07-04
手写RPC学习笔记
K8S高可用版本部署
mySQL计算IP地址范围
上一篇文章      下一篇文章      查看所有文章
加:2021-11-09 19:59:31  更:2021-11-09 20:00:36 
 
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 -2024/11/26 5:36:36-

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