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
网友评论