进程池+爬虫
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了进程池+爬虫,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含1315字,纯文字阅读大概需要2分钟。
内容图文
![进程池+爬虫](/upload/InfoBanner/zyjiaocheng/936/c955d7ac14754989b057a593abb87425.jpg)
import re #导包re
from urllib.request import urlopen#导包urllib.request.urlopen
from multiprocessing import Pool#导包Pool def get_page(url,pattern):#获得网页,读取网页
??? response=urlopen(url).read().decode('utf-8')#获取网页源代码并解码
??? return pattern ,response#将正则方法,与网页读取的结果返回给回调函数 def parse_page(info):#解析网页,回调函数默认传进一个参数,且只能是一个
??? pattern,page_content = info#拆包 将信息分开
??? res =re.findall(pattern,page_content)#正则匹配所有网页
??? for item? in res:#遍历所有列表元素给他搞成一个字典
??????? dic={??????????????????????
??????????? '网址':item.strip()
??????????? }
??????? print(dic)
if __name__ == '__main__':#windows下别写的东西 ??? #正则应与网页相匹配
??? regex = r'<a href="(:?http:.*?).com'#编译前的正则表达式
??? pattern = re.compile(regex,re.S)#将正则表达式编译
??? url_dic = {'http://maoyan.com/board/7':pattern}#字典和正则表达式配套就好像键值对一样配套,所以搞成字典
??? p=Pool()#创建进程池对象
??? res_l=[]#搞一个列表
??? for url,pattern in url_dic.items():#遍历字典
??????? res = p.apply_async(get_page,args=(url,pattern),callback=parse_page)#异步提交
??????? res_l.append(res)
??? p.close()
??? p.join()
??? for i in res_l:
??????? i.get()
#进程池+爬虫---------------------------------------------------
内容总结
以上是互联网集市为您收集整理的进程池+爬虫全部内容,希望文章能够帮你解决进程池+爬虫所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。