Python 爬虫xpath多线程抓取豆瓣电影top250影片名
多线程抓取豆瓣top250,其实数据量不多,单线程完全够用,初学多线程抓取,就当练练手好了,下次换个数据量大的网页来抓取
import requests
from lxml import etree
import time
from concurrent.futures import ThreadPoolExecutor
def download_one_page(url, headers):
# 拿到页面源代码
resp = requests.get(url=url, headers=headers)
html = etree.HTML(resp.text)
divs = html.xpath('//*[@id="content"]/div/div[1]/ol/li')
# time.sleep(0.5)
for div in divs:
movie_name = div.xpath('./div/div[2]/div[1]/a/span[1]/text()')[0]
print(movie_name)
if __name__ == '__main__':
start_time = time.time()
headers = {"User-Agent":
"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/93.0.4577.63 Safari/537.36"}
#开启线程池,10个线程
with ThreadPoolExecutor(10) as t:
for i in range(0, 251, 25):
url = f"https://movie.douban.com/top250?start={i}&filter="
t.submit(download_one_page, url, headers)
# download_one_page(url,headers)
final_time = time.time()
cost_time = final_time - start_time
print("---------" * 10)
print("完成,一共耗时" str(cost_time) 's')
可以看到多线程抓取网页数据速度确实很快,1s不到全部抓取完毕
这篇好文章是转载于:学新通技术网
- 版权申明: 本站部分内容来自互联网,仅供学习及演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,请提供相关证据及您的身份证明,我们将在收到邮件后48小时内删除。
- 本站站名: 学新通技术网
- 本文地址: /boutique/detail/tanhfijcca
系列文章
更多
同类精品
更多
-
photoshop保存的图片太大微信发不了怎么办
PHP中文网 06-15 -
《学习通》视频自动暂停处理方法
HelloWorld317 07-05 -
Android 11 保存文件到外部存储,并分享文件
Luke 10-12 -
word里面弄一个表格后上面的标题会跑到下面怎么办
PHP中文网 06-20 -
photoshop扩展功能面板显示灰色怎么办
PHP中文网 06-14 -
微信公众号没有声音提示怎么办
PHP中文网 03-31 -
excel下划线不显示怎么办
PHP中文网 06-23 -
excel打印预览压线压字怎么办
PHP中文网 06-22 -
TikTok加速器哪个好免费的TK加速器推荐
TK小达人 10-01 -
怎样阻止微信小程序自动打开
PHP中文网 06-13