Python多线程爬虫
Python多线程爬虫
功能描述
使用python编写一个网站爬虫程序，支持参数如下：
spider.py -u url -d deep -f logfile -l loglevel(1-5) --testself -thread number --dbfile filepath --key=”HTML5”
参数说明：
-u 指定爬虫开始地址
-d 指定爬虫深度
--thread 指定线程池大小，多线程爬取页面，可选参数，默认10
--dbfile 存放结果数据到指定的数据库（sqlite）文件中
--key 页面内的关键词，获取满足该关键词的网页，可选参数，默认为所有页面
-l 日志记录文件记录详细程度，数字越大记录越详细，可选参数，默认spider.log
--testself 程序自测，可选参数
具体要求
指定网站爬取指定深度的页面，将包含指定关键词的页面内容存放到sqlite3数据库文件中
程序每隔10秒在屏幕上打印进度信息
支持线程池机制，并发爬取网页
代码需要详尽的注释，自己需要深刻理解该程序所涉及到的各类知识点
需要自己实现线程池
使用方法
#起始地址新浪，下载2级，使用10个线程，保存到sina.db
python main.py -u http://www.sina.com.cn -d 1 --thread 10 --dbfile sina.db
文件下载
资源详情
[{"title":"（ 19 个子文件 33KB ） Python多线程爬虫","children":[{"title":"python-spider-master","children":[{"title":"dqw-spider","children":[{"title":"utils","children":[{"title":"save.py <span style='color:#111;'> 1.33KB </span>","children":null,"spread":false},{"title":"pool.py <span style='color:#111;'> 3.92KB </span>","children":null,"spread":false},{"title":"parser.py <span style='color:#111;'> 1.28KB </span>","children":null,"spread":false},{"title":"progress.py <span style='color:#111;'> 918B </span>","children":null,"spread":false},{"title":"__init__.py <span style='color:#111;'> 0B </span>","children":null,"spread":false},{"title":"spider.py <span style='color:#111;'> 2.30KB </span>","children":null,"spread":false}],"spread":true},{"title":"main.py <span style='color:#111;'> 2.18KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 90B </span>","children":null,"spread":false},{"title":".gitignore <span style='color:#111;'> 21B </span>","children":null,"spread":false}],"spread":true},{"title":"LICENSE <span style='color:#111;'> 0B </span>","children":null,"spread":false},{"title":"other","children":[{"title":"spider.v1.py <span style='color:#111;'> 8.61KB </span>","children":null,"spread":false},{"title":"spider.v3.py <span style='color:#111;'> 10.79KB </span>","children":null,"spread":false},{"title":"spider.v4.py <span style='color:#111;'> 9.01KB </span>","children":null,"spread":false},{"title":"spider.v6.py <span style='color:#111;'> 11.61KB </span>","children":null,"spread":false},{"title":"spider.v5.py <span style='color:#111;'> 9.71KB </span>","children":null,"spread":false},{"title":"spider.v2.py <span style='color:#111;'> 8.59KB </span>","children":null,"spread":false}],"spread":true},{"title":"README.md <span style='color:#111;'> 1.25KB </span>","children":null,"spread":false},{"title":".gitignore <span style='color:#111;'> 0B </span>","children":null,"spread":false},{"title":"spider.v7.py <span style='color:#111;'> 10.64KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]
评论信息
-
-
-
rabbit0708 :感谢楼主啊!2019-02-13 -
其他资源
- 两个Excel表格数据匹配并合并的工具
- 机器人学、机器视觉与控制 matlab 算法基础
- MATLAB s函数最详细指南编写教程
- PC与松下PLC通讯源码
- UAVCAN v1.0 官方规范文档
- windows6.1-kb976932-x64_74865ef2562006e51d7f9333b4a8d45b7a749dab.rar
- web项目测试计划.docx
- 高斯投影坐标正反算（MFC）
- smbms源码.zip
- GitHubDesktop桌面客户端分享
- BIM模型-加油站服务区.rar
- cas-server-support-jdbc-5.2.3.jar
- DroidPluginDemo
- system view实验pcm系统
- wince下的连连看源码
- vc++6.0实现计算器（测试可运行）
- nmap7.01绿色版
- 2018年度中国城市活力研究报告
- 电子系统设计与实战STM32 FPGA控制版
- 中兴ME3612模块usb驱动
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明