前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >【python实操】年轻人,想会写抢购脚本和爬虫?试试多线程吧(附爬虫完整源代码)

【python实操】年轻人,想会写抢购脚本和爬虫?试试多线程吧(附爬虫完整源代码)

作者头像
20岁爱吃必胜客
发布2023-03-27 09:57:27
8100
发布2023-03-27 09:57:27
举报
文章被收录于专栏:进步集进步集
  • 作者:20岁爱吃必胜客(坤制作人),近十年开发经验, 跨域学习者,目前于海外某世界知名高校就读计算机相关专业。
  • 荣誉:阿里云博客专家认证、腾讯开发者社区优质创作者,在CTF省赛校赛多次取得好成绩。
  • 跨领域学习,喜欢摄影、弹吉他、咏春拳。文章深入浅出、语言风趣;爱吃必胜客社区创立者,旨在“发现美 欣赏美

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

文章目录

⭐️前言

Python 多线程(multi-threading)是一种利用多个线程同时执行任务的技术,它旨在提高程序的运行效率和性能。

⭐️分析

Python 中多线程的实现主要基于 threading 模块。在该模块中,我们可以通过创建一个 Thread 对象来启动一个新线程,并通过 start() 方法来启动该线程的执行。与此相应的,我们还需要定义一个所谓的“线程函数”(Thread Function),即我们希望新线程执行的函数。通常情况下,该函数的形式为:

代码语言:javascript
复制
def thread_func(args):
    # 线程要执行的操作

其中 args 是线程函数接收的参数,而具体的线程操作就在函数体内实现了。

🌟 其他模块

在这里插入图片描述
在这里插入图片描述

除了 threading 模块外,Python 还提供了一些相关的库和方法,如 Queue、Lock 和 RLock等,可以对多线程编程进行更深入和细节的控制和处理

🌟 注意GIL

需要注意的是,由于 Python 的全局解释器锁(Global Interpreter Lock, GIL)的存在,使得在使用多线程时,无法真正实现并行计算,只能通过线程间的切换来模拟多个线程同时运行。因此,在考虑使用多线程技术来优化程序性能时,需要详细评估程序结构和运行环境,以便选择合适的算法和工具进行优化

⭐️ 多线程用来做什么

Python 多线程常用于以下几种情况:

  1. 网络编程:Python 中的 socket 模块支持多线程,可以实现多个客户端与服务器的并发通信
  2. IO 密集型任务:对于 CPU 耗时相对较短,但需要频繁读写数据的任务,如文件操作、爬虫等,使用多线程可以提高程序的运行效率。
  3. 并发控制:利用多线程可以实现对共享资源的并发访问和管理,如访问数据库等。
  4. 可视化界面:在 Python 的 GUI 编程中,通过多线程技术能够让用户界面保持响应,使得程序更加友好和易用

需要注意的是,在选择使用多线程时,需要仔细评估程序结构和运行环境,避免出现线程安全问题和性能瓶颈。

🌟 多线程应用示例

以下是两个常见的 Python 多线程应用示例:

  1. 多线程下载文件

该示例演示如何使用 Python 多线程技术下载多个文件,从而加快下载速度。在该示例中,我们使用 threading 模块创建多个线程每个线程负责下载一个文件

代码语言:javascript
复制
import requests
import threading

def download(url, filename):
    # 下载文件
    content = requests.get(url).content
    with open(filename, "wb") as f:
        f.write(content)

if __name__ == '__main__':
    urls = ["http://example.com/file1", "http://example.com/file2", "http://example.com/file3"]
    filenames = ["file1.txt", "file2.txt", "file3.txt"]
    threads = []
    for i in range(3):
        t = threading.Thread(target=download, args=(urls[i], filenames[i]))
        threads.append(t)
    
    # 启动多线程
    for t in threads:
        t.start()
        
    # 等待所有线程完成
    for t in threads:
        t.join()
  1. 解析 HTML 页面

该示例演示如何使用 Python 多线程技术加快解析 HTML 页面的速度。在该示例中,我们使用 threading 模块创建多个线程,每个线程负责下载并解析一个页面,最后将结果合并为一个列表。

代码语言:javascript
复制
import requests
import threading
from bs4 import BeautifulSoup

def parse_page(url):
    # 下载页面
    content = requests.get(url).content
    soup = BeautifulSoup(content, "html.parser")
    # 解析页面
    results = soup.find_all("div", class_="result")
    return results

if __name__ == '__main__':
    urls = ["http://example.com/page1", "http://example.com/page2", "http://example.com/page3"]
    threads = []
    for url in urls:
        t = threading.Thread(target=parse_page, args=(url,))
        threads.append(t)
    
    # 启动多线程
    for t in threads:
        t.start()
        
    # 合并结果
    results = []
    for t in threads:
        results += t.join()

需要注意的是,在选择使用多线程时,需要仔细评估程序结构和运行环境

实例爬虫-完整源代码

在这里插入图片描述
在这里插入图片描述

以下是一个简单的爬虫示例,使用Python中的requestsBeautifulSoup库来获取网页内容并提取其中的信息。这个爬虫程序可以从豆瓣电影Top250页面中提取电影名称、评分、导演和演员等信息,并将其保存到一个CSV文件中。

代码语言:javascript
复制
import requests
from bs4 import BeautifulSoup
import csv

# 定义要爬取的页面URL
url = 'https://movie.douban.com/top250'

# 发送HTTP请求获取页面内容
response = requests.get(url)

# 使用BeautifulSoup解析HTML页面
soup = BeautifulSoup(response.text, 'html.parser')

# 遍历每个电影条目,并提取电影信息
movies = []
for li in soup.find_all('li', class_='item'):
    # 获取电影名称
    name = li.find('span', class_='title').text
    # 获取电影评分
    rating = li.find('span', class_='rating_num').text
    # 获取电影导演和演员
    info = li.find('div', class_='bd').p.text.strip().split('\n')[0]
    # 提取导演和演员信息
    director = info.split(':')[0]
    actors = [x.strip() for x in info.split(':')[1].split('/')]
    # 将电影信息添加到列表中
    movies.append([name, rating, director, actors])

# 将电影信息保存到CSV文件中
with open('douban_movies.csv', 'w', newline='', encoding='utf-8') as csvfile:
    writer = csv.writer(csvfile)
    writer.writerow(['电影名称', '评分', '导演', '演员'])
    writer.writerows(movies)

print('豆瓣电影Top250信息已保存到douban_movies.csv文件中。')

这个爬虫程序首先使用requests库发送HTTP请求并获取到网页的HTML内容然后使用BeautifulSoup库解析HTML页面然后遍历每个电影条目,并提取电影名称、评分、导演和演员等信息最后把提取的电影信息保存到CSV文件中。

需要注意的是,爬虫程序必须遵守网站的爬虫规定,不得进行未经授权的数据采集或过度频繁的访问。违反网站的爬虫规定可能会导致IP封锁或其他法律问题。建议在进行爬虫程序之前仔细阅读目标网

代码语言:javascript
复制
import requests
from lxml import etree
import csv
import time


class DoubanSpider(object):
    def __init__(self):
        self.header = {
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.131 Safari/537.36'
        }

    # 发请求 获响应
    def get_source(self, com_url):
        res = requests.get(com_url, headers=self.header)
        html = res.content.decode('utf-8')
        return html

    # 解析数据
    def parsed_source(self, html):
        tree = etree.HTML(html)
        divs = tree.xpath('//div[@class="info"]')
        # print(divs)
        lis_data = []
        for div in divs:
            d = {}
            # 标题
            title = div.xpath('./div[@class="hd"]/a/span/text()')[0].strip()
            # print(title)
            # 评分
            score = div.xpath('./div[@class="bd"]/div[@class="star"]/span[@class="rating_num"]/text()')[0].strip()
            # print(score)
            # 评价人数
            evaluate = div.xpath('./div[@class="bd"]/div[@class="star"]/span[last()]/text()')[0].strip()
            # print(evaluate)
            # 引用
            quote = div.xpath('./div[@class="bd"]/p[@class="quote"]/span/text()')
            if quote:
                quote = quote[0]
            else:
                quote = ''
            # 电影链接url
            link_url = div.xpath('./div[@class="hd"]/a/@href')[0].strip()
            # print(link_url)
            # 根据key值提取数据
            d['title'] = title
            d['score'] = score
            d['evaluate'] = evaluate
            d['quote'] = quote
            d['link_url'] = link_url
            lis_data.append(d)
        # print(lis_data)
        return lis_data

    # 保存数据
    def save_source(self, move_data, header):
        with open('movie_data.csv', 'a', encoding='utf-8-sig', newline='') as f:
            w = csv.DictWriter(f, header)
            # 写入表头
            w.writeheader()
            # writerows 一次性写入多行数据
            w.writerows(move_data)

    # 主函数
    def main(self):
        start = int(input('输入要爬取的起始页:'))
        end = int(input('输入要爬取的末尾页:'))
        for i in range(start, end+1):
            time.sleep(2)
            page = (i-1) * 25
            com_url = 'https://movie.douban.com/top250?start=' + str(page)
            h = self.get_source(com_url)
            # print(h)
            print('爬虫机器人正在爬取第%d页' % i)
            move_data = self.parsed_source(h)
            # 设置表头
            header = ['title', 'score', 'evaluate', 'quote', 'link_url']
            # print(move_data)
            self.save_source(move_data, header)


if __name__ == '__main__':
    # 实例化对象
    Spider = DoubanSpider()
    # 主函数调用
    Spider.main()

🌟 我的故事

python学习之路任重而道远,要想学完说容易也容易,说难也难。 很多人说python最好学了,但扪心自问,你会用python做什么了? 刚开始在大学学习c语言,写一个飞行棋的小游戏,用dos界面来做,真是出力不讨好。 地图要自己一点一点画出来,就像这样:

代码语言:javascript
复制
================
|				|
|				|
|===============
代码语言:javascript
复制
从此讨厌编程,不想继续学下去。每次作业应付。
算法考试,数据结构考试随便背代码,只求通过。
最后呢?我学会变成了吗?只能对一些概念侃侃而谈,但真的会几行代码,能写出实用工具吗?
答案变得模糊。
所以我们要从现在开始,学好python,不要再糊弄下去!!!
本文参与 腾讯云自媒体分享计划,分享自作者个人站点/博客。
原始发表:2023-03-26,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 文章目录
  • ⭐️前言
  • ⭐️分析
    • 🌟 其他模块
      • 🌟 注意GIL
      • ⭐️ 多线程用来做什么
        • 🌟 多线程应用示例
        • 实例爬虫-完整源代码
          • 🌟 我的故事
          相关产品与服务
          GPU 云服务器
          GPU 云服务器(Cloud GPU Service,GPU)是提供 GPU 算力的弹性计算服务,具有超强的并行计算能力,作为 IaaS 层的尖兵利器,服务于深度学习训练、科学计算、图形图像处理、视频编解码等场景。腾讯云随时提供触手可得的算力,有效缓解您的计算压力,提升业务效率与竞争力。
          领券
          问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档