首页 10个线程的Python多线程爬虫（采集新浪数据）.rar

10个线程的Python多线程爬虫（采集新浪数据）.rar

上传者： 39840387 | 上传时间： 2021-05-15 02:31:29 | 文件大小： 31KB | 文件类型： RAR
一个Python多线程爬虫，在工作时，开10个线程来抓取新浪网页的数据，抓取并保存页面, 并且根据deep返回页面链接，根据key确定是否保存该页面,其中:
　　deep == 0时，是抓取的最后一层深度，即只抓取并保存页面，不分析链接
　　deep > 0时，返回该页面链接。
　　编写本采集爬虫的具体要求：1. 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
　　2. 程序每隔10秒在屏幕上打印进度信息
　　3. 支持线程池机制，并发爬取网页
　　4. 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
　　5. 需要自己实现线程池
　　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

文件下载

资源详情

[{"title":"（ 19 个子文件 31KB ） 10个线程的Python多线程爬虫（采集新浪数据）.rar","children":[{"title":"codesc.net","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;'> 8.64KB </span>","children":null,"spread":false},{"title":"spider.v3.py <span style='color:#111;'> 10.82KB </span>","children":null,"spread":false},{"title":"spider.v4.py <span style='color:#111;'> 9.04KB </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;'> 9.74KB </span>","children":null,"spread":false},{"title":"spider.v2.py <span style='color:#111;'> 8.62KB </span>","children":null,"spread":false}],"spread":true},{"title":"README.md <span style='color:#111;'> 1.29KB </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;'> 10.68KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}],"spread":true}]

评论信息

其他资源

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

个人信息

下载历史

热门下载

最新下载