求帮我修改一下爬虫,能把它改成多线程的吗?初学 py!求帮帮忙,找的别人的源码! - V2EX
V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
推荐学习书目
Learn Python the Hard Way
Python Sites
PyPI - Python Package Index
http://diveintopython.org/toc/index.html
Pocoo
值得关注的项目
PyPy
Celery
Jinja2
Read the Docs
gevent
pyenv
virtualenv
Stackless Python
Beautiful Soup
结巴中文分词
Green Unicorn
Sentry
Shovel
Pyflakes
pytest
Python 编程
pep8 Checker
Styles
PEP 8
Google Python Style Guide
Code Style from The Hitchhiker's Guide
POP
V2EX    Python

求帮我修改一下爬虫,能把它改成多线程的吗?初学 py!求帮帮忙,找的别人的源码!

  •  
  •   POP 2015-01-15 13:08:44 +08:00 4946 次点击
    这是一个创建于 3993 天前的主题,其中的信息可能已经有所发展或是发生改变。
    # -*- coding: utf-8 -*-
    import urllib2
    import sys
    #BeautifulSoup3不需要修改,BeautifulSoup4,改成from bs4 import BeautifulSoup
    from BeautifulSoup import BeautifulSoup

    reload(sys)
    sys.setdefaultencoding( "utf-8" )

    def getcontent(url):
    print url
    req = urllib2.Request(url)
    res = urllib2.urlopen(req)
    magnetlist=[]
    html = res.read()
    res.close()
    soup = BeautifulSoup(html)
    #BeautifulSoup3不需要修改,BeautifulSoup4,改成soup.find_all('a')
    allentry=soup.findAll('a')
    for link in allentry:
    if "magnet:"==link.get('href')[0:7]:
    magnetlist.append(link.get('href'))
    magnetlist = [line+'\n' for line in magnetlist]
    f =open("magnet.txt", "a")
    f.writelines(magnetlist)
    f.close()

    def main():
    site="http://bt.shousibaocai.com/search/"
    keyword="地心引力"
    keyword=urllib2.quote(keyword)
    #总共抓前多少页
    page=3
    for i in range(1,page):
    searchurl=site+keyword+"/"+str(i)
    getcontent(searchurl)

    if __name__ == '__main__':
    main()
    #end Jarett
    27 条回复    2015-01-16 15:31:44 +08:00
    tuuuz
        1
    tuuuz  
       2015-01-15 13:43:23 +08:00   1
    看的好累
    POP
        2
    POP  
    OP
       2015-01-15 13:47:32 +08:00
    (T_T)
    mhycy
        3
    mhycy  
       2015-01-15 14:07:34 +08:00   1
    初学还别人的源码,为何不自己改呢?就是一个学习的过程而已~
    Kilerd
        4
    Kilerd  
       2015-01-15 14:21:54 +08:00   1
    python的缩进,一贴上来就全乱了,怎么看,扯淡啊
    LZ你压根就不懂py吧,,拒绝伸手党
    POP
        5
    POP  
    OP
       2015-01-15 14:37:34 +08:00
    @Kilerd 算了,我还是自己去改吧。。。贴代码的缩进问题,我还真没注意到
    POP
        6
    POP  
    OP
       2015-01-15 14:40:40 +08:00
    @mhycy 受教了
    justjavac
        7
    justjavac  
       2015-01-15 14:42:54 +08:00
    已block
    bigtan
        8
    bigtan  
       2015-01-15 14:47:34 +08:00   1
    http://segmentfault.com/blog/caspar/1190000000414339

    参考这个

    我自己使用过一次,效果很好
    POP
        9
    POP  
    OP
       2015-01-15 14:53:19 +08:00
    @bigtan 谢谢,我在尝试用线程池改
    virusdefender
        10
    virusdefender  
       2015-01-15 15:51:16 +08:00   1
    http://www.virusdefender.net/index.php/archives/84/

    把我的代码最下面的 job 函数和循环添加任务的函数换成你的就行了~
    Septembers
        11
    Septembers  
       2015-01-15 16:02:30 +08:00
    POP
        12
    POP  
    OP
       2015-01-15 17:00:18 +08:00
    @virusdefender 我还是先自己改改看。。。谢谢了
    lxkaka
        13
    lxkaka  
       2015-01-15 17:17:57 +08:00   1
    python 的多线程无法榨干cpu吧,要用多进程
    POP
        14
    POP  
    OP
       2015-01-15 17:40:40 +08:00
    @lxkaka 我还是先修改源码吧。。。:(
    libo26
        15
    libo26  
       2015-01-15 18:47:48 +08:00
    个人用requests代替urllib2
    langxuan
        16
    langxuan  
       2015-01-15 19:15:15 +08:00
    不会是熊厂在过good coder吧。。。
    CodeDrift
        17
    CodeDrift  
       2015-01-15 19:41:31 +08:00   1
    为什么没缩进。。。我也初学,PY很注重缩进的。。我一般都是一个tab..不知道对不对,看别人都是4个空格。。
    O21
        18
    O21  
       2015-01-15 19:43:25 +08:00
    @Anybfans Tab党路过。。
    POP
        19
    POP  
    OP
       2015-01-15 20:23:28 +08:00
    @Anybfans 第一次贴代码。没注意。。。
    surewen
        20
    surewen  
       2015-01-15 23:10:53 +08:00
    要是v2ex支持markdown就好了
    Delbert
        21
    Delbert  
       2015-01-16 00:15:38 +08:00
    @surewen 已经支持。右边的入口是md的,正常的入口是没有md的。要贴代码用gist。
    pandada8
        22
    pandada8  
       2015-01-16 00:23:45 +08:00
    @lxkaka 爬虫基本是IO型,用多线程基本就够啦
    wezzard
        23
    wezzard  
       2015-01-16 01:29:29 +08:00 via iPhone
    你都中招了,主是黑Python的!
    icedx
        24
    icedx  
       2015-01-16 02:08:57 +08:00 via Android
    如果楼主不想深入学多* 程的哲学 可以试试map()
    ivanlw
        25
    ivanlw  
       2015-01-16 02:36:52 +08:00
    原来不只有我一个人看没有缩进的代码很累呀……怪不得天然适合python……
    xylophone21
        26
    xylophone21  
       2015-01-16 15:27:00 +08:00
    把range(1,page):这里的1,page两个参数改为从argc获取
    然后shell多启几个
    不会shell的话手动启也行,反正你也不会想要太多进程的.
    POP
        27
    POP  
    OP
       2015-01-16 15:31:44 +08:00
    @xylophone21 这都行!厉害!!
    关于     帮助文档     自助推广系统     博客     API     FAQ     Solana     2625 人在线   最高记录 6679       Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 27ms UTC 08:49 PVG 16:49 LAX 00:49 JFK 03:49
    Do have faith in what you're doing.
    ubao msn snddm index pchome yahoo rakuten mypaper meadowduck bidyahoo youbao zxmzxm asda bnvcg cvbfg dfscv mmhjk xxddc yybgb zznbn ccubao uaitu acv GXCV ET GDG YH FG BCVB FJFH CBRE CBC GDG ET54 WRWR RWER WREW WRWER RWER SDG EW SF DSFSF fbbs ubao fhd dfg ewr dg df ewwr ewwr et ruyut utut dfg fgd gdfgt etg dfgt dfgd ert4 gd fgg wr 235 wer3 we vsdf sdf gdf ert xcv sdf rwer hfd dfg cvb rwf afb dfh jgh bmn lgh rty gfds cxv xcv xcs vdas fdf fgd cv sdf tert sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf shasha9178 shasha9178 shasha9178 shasha9178 shasha9178 liflif2 liflif2 liflif2 liflif2 liflif2 liblib3 liblib3 liblib3 liblib3 liblib3 zhazha444 zhazha444 zhazha444 zhazha444 zhazha444 dende5 dende denden denden2 denden21 fenfen9 fenf619 fen619 fenfe9 fe619 sdf sdf sdf sdf sdf zhazh90 zhazh0 zhaa50 zha90 zh590 zho zhoz zhozh zhozho zhozho2 lislis lls95 lili95 lils5 liss9 sdf0ty987 sdft876 sdft9876 sdf09876 sd0t9876 sdf0ty98 sdf0976 sdf0ty986 sdf0ty96 sdf0t76 sdf0876 df0ty98 sf0t876 sd0ty76 sdy76 sdf76 sdf0t76 sdf0ty9 sdf0ty98 sdf0ty987 sdf0ty98 sdf6676 sdf876 sd876 sd876 sdf6 sdf6 sdf9876 sdf0t sdf06 sdf0ty9776 sdf0ty9776 sdf0ty76 sdf8876 sdf0t sd6 sdf06 s688876 sd688 sdf86