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

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