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
- c语言实现iir滤波器
- 深入浅出西门子S7-300PLC（完整版）
- 虚拟串口VSPD破解版 亲测win10 64可用
- 微软出租车轨迹数据集
- 商城前端源代码
- 超市账单管理系统.zip
- 亲测最全的 fl.swc 下载 包含fl.transitions,fl.motion等都有
- php在线考试系统源代码
- 产品经理PRD模版及案例下载
- 智慧城市的总体设计（IBM）
- S6D0119_V1.0_20050113.pdf
- 很好的C#串口助手源码，适合所有串口采集设备
- 离线地图瓦片下载器
- 100 power tips for fpga designers
- 湿空气参数计算小软件
- Acvtivity与Acvtivity间建立回调
- 企业OA办公系统 asp.net源码 三层架构设计
- 百度地图定位显示省市区街道名称，非常实用
- RouterOS 通过netwatch实现掉线自动切换线路
- eclipse-jee-mars-2-win32-x86_64火星版本
- mp4测试视频，可以用它测试处理MP4文件的程序
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