美文网首页
python爬虫12:巩固多协程爬虫

python爬虫12:巩固多协程爬虫

作者: Iphone60Plus | 来源:发表于2020-06-07 13:04 被阅读0次
    image.png
    from gevent import monkey
    monkey.patch_all()
    #让程序变成异步模式
    import gevent,requests,bs4,csv
    from gevent.queue import Queue
    
    work = Queue()
    #创建队列对象,赋值给work
    
    url1 = 'http://www.boohee.com/food/group/'
    url2 = 'http://www.boohee.com/food/view_menu'
    #url为前3个常见食物 url2为第11个常见食物
    
    for i in range(1,4):
        url2s = url2 + '?page=' + str(i)
        work.put_nowait(url2s)
        for m in range(1,4):
            url1s = url1 + str(i) + '?page=' + str(m)
            work.put_nowait(url1s)
            #通过两个for循环,设置分类的数字和页数的数字
            #put_nowait函数将网址添加到队列
    
    def crawler():
        #定义函数
        headers = {
            'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.110 Safari/537.36'
        }
        #添加请求头
        while not work.empty():
            #当队列不是空的时候,执行下面程序
            url = work.get_nowait()
            #用get_nowait函数从队列里把网址提取出来
            res = requests.get(url,headers=headers)
            #获取网页源代码
            bs_res = bs4.BeautifulSoup(res.text,'html.parser')
            #解析网页源代码
            foods = bs_res.find_all('li',class_="item clearfix")
            #提取标签内容
            for food in foods:
                food_name = food.find_all('a')[1]['title']
                #提取第2个<a>元素title属性的值,也就是食物名称
                food_url = 'http://www.boohee.com' + food.find_all('a')[1]['href']
                #提取第2个<a>元素href属性的值
                food_calorie = food.find("p").text
                #提取<p>元素的广本
                writer.writerow([food_name,food_calorie,food_url])
                #借助writerow函数,把提取到的数据写入csv文件
    
    csv_file = open('boohee.csv','w',newline='')
    #调用open函数打开csv文件,传入参数:文件名,写入模式,newline=''
    writer = csv.writer(csv_file)
    #用csv.writer创建一个write对象
    writer.writerow(['食物','热量','链接'])
    #借助writerow函数往csv文件里写入文字:食物、热量、链接
    
    tasks_list = []
    for x in range(4):
        task = gevent.spawn(crawler)
        tasks_list.append(task)
        #创建4个爬虫,创建执行任务,添加到任务清单中
    gevent.joinall(tasks_list)
    #启动协程,执行所有任务,开始爬虫
    

    相关文章

      网友评论

          本文标题:python爬虫12:巩固多协程爬虫

          本文链接:https://www.haomeiwen.com/subject/ruhctktx.html