编写多线程爬虫(线程数量至少4个,使用xpth)爬取杂文标签下 所有书籍(至少爬取前10页)的信息(包括书名、作者、出版社、出版 日期、页数、价格、ISBN号、豆瓣评分、评价人数、书籍封面、 URL),并按照豆瓣评分降序保存(以标签名称命名)

时间: 2023-10-20 13:01:50 浏览: 39
好的,我会为您解答这个问题。首先我们需要了解一下Python的多线程爬虫基本原理。 Python的多线程爬虫的基本流程如下: 1. 创建一个线程池,线程数量至少为4个。 2. 将任务分配给线程池中的线程。 3. 每个线程拥有自己的爬虫实例,可以独立地爬取网页。 4. 爬取到的数据需要保存到本地或者数据库中。 接下来,我们可以根据这个流程来实现代码。具体实现步骤如下: 1. 导入必要的库 ```python import requests from lxml import etree import threading import os import csv ``` 2. 定义爬虫函数 ```python def spider(start_page, end_page): url = 'https://book.douban.com/tag/%E6%9D%82%E6%96%87?start={}&type=T' headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'} for i in range(start_page, end_page): url_ = url.format(i * 20) response = requests.get(url_, headers=headers) html = etree.HTML(response.text) items = html.xpath('//li[@class="subject-item"]') for item in items: book_title = item.xpath('.//h2/a/text()')[0] book_url = item.xpath('.//h2/a/@href')[0] book_info = item.xpath('.//div[@class="pub"]/text()')[0] book_rate = item.xpath('.//span[@class="rating_nums"]/text()')[0] book_people = item.xpath('.//span[@class="pl"]/text()')[0] book_cover = item.xpath('.//img/@src')[0] book_info_list = book_info.split('/') book_author = book_info_list[0] book_publisher = book_info_list[-3] book_date = book_info_list[-2] book_pages = book_info_list[-4] book_price = book_info_list[-1] book_isbn = item.xpath('.//div[@class="star clearfix"]/span[3]/text()')[0] with open('book.csv', 'a', newline='', encoding='utf-8-sig') as f: writer = csv.writer(f) writer.writerow([book_title, book_author, book_publisher, book_date, book_pages, book_price, book_isbn, book_rate, book_people, book_cover, book_url]) ``` 3. 定义线程函数 ```python def thread_func(start_page, end_page): spider(start_page, end_page) ``` 4. 将任务分配给线程池中的线程 ```python threads = [] for i in range(0, 10, 2): t = threading.Thread(target=thread_func, args=(i, i+2)) threads.append(t) for t in threads: t.start() for t in threads: t.join() ``` 5. 对爬取到的数据按照豆瓣评分降序保存 ```python import pandas as pd df = pd.read_csv('book.csv', header=None, names=['book_title', 'book_author', 'book_publisher', 'book_date', 'book_pages', 'book_price', 'book_isbn', 'book_rate', 'book_people', 'book_cover', 'book_url'], encoding='utf-8') df_sorted = df.sort_values(by=['book_rate'], ascending=False) df_sorted.to_csv('杂文.csv', index=False, encoding='utf-8-sig') os.remove('book.csv') ``` 完整代码如下:

相关推荐

最新推荐

recommend-type

Python爬虫进阶之多线程爬取数据并保存到数据库

今天刚看完崔大佬的《python3网络爬虫开发实战》,顿时觉得自己有行了,准备用appium登录QQ爬取列表中好友信息,接踵而来的是一步一步的坑,前期配置无数出错,安装之后连接也是好多错误,把这些错误解决之后,找APP...
recommend-type

C#多线程处理多个队列数据的方法

主要介绍了C#多线程处理多个队列数据的方法,涉及C#线程与队列的相关操作技巧,需要的朋友可以参考下
recommend-type

Java多线程--等待所有子线程执行完的五种方法.docx

Java多线程--等待所有子线程执行完的五种方法 Java多线程--等待所有子线程执行完的五种方法 Java多线程--等待所有子线程执行完的五种方法 Java多线程--等待所有子线程执行完的五种方法 Java多线程--等待所有子线程...
recommend-type

Python 多线程+多进程简单使用教程,如何在多进程开多线程

一、Python多进程多线程 关于python多进程多线程的相关基础知识,在我之前的博客有写过,并且就关于python多线程的GIL锁问题,也在我的一篇博客中有相关的解释。 为什么python多线程在面对IO密集型任务的时候会产生...
recommend-type

详解Python多线程下的list

主要介绍了Python多线程下的list的相关资料,文中示例代码非常详细,帮助大家更好的理解和学习,感兴趣的朋友可以了解下
recommend-type

RTL8188FU-Linux-v5.7.4.2-36687.20200602.tar(20765).gz

REALTEK 8188FTV 8188eus 8188etv linux驱动程序稳定版本, 支持AP,STA 以及AP+STA 共存模式。 稳定支持linux4.0以上内核。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

:YOLOv1目标检测算法:实时目标检测的先驱,开启计算机视觉新篇章

![:YOLOv1目标检测算法:实时目标检测的先驱,开启计算机视觉新篇章](https://img-blog.csdnimg.cn/img_convert/69b98e1a619b1bb3c59cf98f4e397cd2.png) # 1. 目标检测算法概述 目标检测算法是一种计算机视觉技术,用于识别和定位图像或视频中的对象。它在各种应用中至关重要,例如自动驾驶、视频监控和医疗诊断。 目标检测算法通常分为两类:两阶段算法和单阶段算法。两阶段算法,如 R-CNN 和 Fast R-CNN,首先生成候选区域,然后对每个区域进行分类和边界框回归。单阶段算法,如 YOLO 和 SSD,一次性执行检
recommend-type

info-center source defatult

这是一个 Cisco IOS 命令,用于配置 Info Center 默认源。Info Center 是 Cisco 设备的日志记录和报告工具,可以用于收集和查看设备的事件、警报和错误信息。该命令用于配置 Info Center 默认源,即设备的默认日志记录和报告服务器。在命令行界面中输入该命令后,可以使用其他命令来配置默认源的 IP 地址、端口号和协议等参数。
recommend-type

c++校园超市商品信息管理系统课程设计说明书(含源代码) (2).pdf

校园超市商品信息管理系统课程设计旨在帮助学生深入理解程序设计的基础知识,同时锻炼他们的实际操作能力。通过设计和实现一个校园超市商品信息管理系统,学生掌握了如何利用计算机科学与技术知识解决实际问题的能力。在课程设计过程中,学生需要对超市商品和销售员的关系进行有效管理,使系统功能更全面、实用,从而提高用户体验和便利性。 学生在课程设计过程中展现了积极的学习态度和纪律,没有缺勤情况,演示过程流畅且作品具有很强的使用价值。设计报告完整详细,展现了对问题的深入思考和解决能力。在答辩环节中,学生能够自信地回答问题,展示出扎实的专业知识和逻辑思维能力。教师对学生的表现予以肯定,认为学生在课程设计中表现出色,值得称赞。 整个课程设计过程包括平时成绩、报告成绩和演示与答辩成绩三个部分,其中平时表现占比20%,报告成绩占比40%,演示与答辩成绩占比40%。通过这三个部分的综合评定,最终为学生总成绩提供参考。总评分以百分制计算,全面评估学生在课程设计中的各项表现,最终为学生提供综合评价和反馈意见。 通过校园超市商品信息管理系统课程设计,学生不仅提升了对程序设计基础知识的理解与应用能力,同时也增强了团队协作和沟通能力。这一过程旨在培养学生综合运用技术解决问题的能力,为其未来的专业发展打下坚实基础。学生在进行校园超市商品信息管理系统课程设计过程中,不仅获得了理论知识的提升,同时也锻炼了实践能力和创新思维,为其未来的职业发展奠定了坚实基础。 校园超市商品信息管理系统课程设计的目的在于促进学生对程序设计基础知识的深入理解与掌握,同时培养学生解决实际问题的能力。通过对系统功能和用户需求的全面考量,学生设计了一个实用、高效的校园超市商品信息管理系统,为用户提供了更便捷、更高效的管理和使用体验。 综上所述,校园超市商品信息管理系统课程设计是一项旨在提升学生综合能力和实践技能的重要教学活动。通过此次设计,学生不仅深化了对程序设计基础知识的理解,还培养了解决实际问题的能力和团队合作精神。这一过程将为学生未来的专业发展提供坚实基础,使其在实际工作中能够胜任更多挑战。