Python爬取京东评论(多线程+队列+bs4+pymysql)

2023-12-07 11:19

本文主要是介绍Python爬取京东评论(多线程+队列+bs4+pymysql),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1、 概述

本博客纯属原创,如有转载,请注明作者
运行环境:python3.5

所需模块:bs4 ,queue.thread,pymysql,requests,大家如果想运行此代码,只需要将我标粗的部分修改即可。

2、具体内容

2、1导入具体模块

###导入具体模块
import requests
from  bs4 import BeautifulSoup
import re
from collections import deque
import sys
import numpy as np
import jieba
import threading
from threading import current_thread,Lock
from time import ctime ,sleep
import pymysql
import json
import urllib
import math
import queue

2、2定义线程类

class MyThread(threading.Thread):def __init__(self, funcs, args, name=''):threading.Thread.__init__(self)self.funcs = funcsself.name = nameself.args = argsdef run(self):self.funcs(*self.args)

2、3接下来就是重点了

###接下来就是爬取网页了
def getContent(que):while que:try:url = que.popleft()print('正在爬的线程是'+current_thread().name+"爬的是"+url)**headers** = {'Accept': 'text / html, application / xhtml + xml, image / jxr, * / *','Accept - Encoding': 'gzip, deflate','Accept - Language': 'zh - Hans - CN, zh - Hans;q = 0.5','User - Agent': 'Mozilla / 5.0(Windows NT 10.0; Win64;x64) AppleWebKit / 537.36(KHTML, like Gecko) Chrome/51.0.2704.79 Safari/ 537.36Edge/14.14393','Connection': 'Keep - Alive'}req = requests.get(url, headers=headers)req.encoding = 'gbk'res = req.textbs = BeautifulSoup(res)bs = bs.find_all('div', class_='i-item')total = []for i in bs:reg1 = i.find('dd')reg2 = i.find('span', class_=re.compile(r'^sta'))scores = reg2.get('class')scores = ''.join(scores)scores = str(scores)if scores == 'starsa5' or scores == 'starsa4' or scores == 'starsa3':j = 1##     j=1#if scores == 'starsa2' or scores == 'starsa1' or scores == 'starsa0':j = 0reg3 = re.compile("<[^>]*>")content = reg3.sub('', reg1.prettify())print(content)total.append((content, scores, j))**db = pymysql.connect('localhost', 'root', '**********', 'test')**db.encoding = 'utf-8'cursor = db.cursor()cursor.execute('set names utf8')sql = "INSERT INTO newjd (comment,scores ) VALUES ('%s','%s') "sql2 = "INSERT INTO test1 (title) VALUES ('%s') "cursor.execute(sql % (content, j))db.commit()cursor.close()db.close()sleep(3)except Exception:print('运行出错')

2、4运行

###在这里我用了四个线程
def main():que = deque()visited = set()id = [549056]####可自行选择商品idcommentpeypage = 30for i in id:itemsummaryurl = 'http://club.jd.com/ProductPageService.aspx?method=GetCommentSummaryBySkuId&referenceId=' + str(i)itemsummaryresponse = urllib.request.urlopen(itemsummaryurl)itemsummaryjson_dict = json.loads(itemsummaryresponse.read().decode('utf-8'))commentrange = int(math.ceil(itemsummaryjson_dict.get('CommentCount')) / commentpeypage)for j in range(commentrange):url = 'http://club.jd.com/review/' + str(i) + '-0-' + str(j) + '-0.html'que.append(url)thread=[]for i in range(4):t = MyThread(getContent, (que, ), name='thread' + str(i))thread.append(t)for i in range(4):thread[i].start()for i in range(4):thread[i].join()if __name__ =='__main__':main()

这篇关于Python爬取京东评论(多线程+队列+bs4+pymysql)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/465654

相关文章

SpringBoot集成redisson实现延时队列教程

《SpringBoot集成redisson实现延时队列教程》文章介绍了使用Redisson实现延迟队列的完整步骤,包括依赖导入、Redis配置、工具类封装、业务枚举定义、执行器实现、Bean创建、消费... 目录1、先给项目导入Redisson依赖2、配置redis3、创建 RedissonConfig 配

SpringBoot分段处理List集合多线程批量插入数据方式

《SpringBoot分段处理List集合多线程批量插入数据方式》文章介绍如何处理大数据量List批量插入数据库的优化方案:通过拆分List并分配独立线程处理,结合Spring线程池与异步方法提升效率... 目录项目场景解决方案1.实体类2.Mapper3.spring容器注入线程池bejsan对象4.创建

Python的Darts库实现时间序列预测

《Python的Darts库实现时间序列预测》Darts一个集统计、机器学习与深度学习模型于一体的Python时间序列预测库,本文主要介绍了Python的Darts库实现时间序列预测,感兴趣的可以了解... 目录目录一、什么是 Darts?二、安装与基本配置安装 Darts导入基础模块三、时间序列数据结构与

Python正则表达式匹配和替换的操作指南

《Python正则表达式匹配和替换的操作指南》正则表达式是处理文本的强大工具,Python通过re模块提供了完整的正则表达式功能,本文将通过代码示例详细介绍Python中的正则匹配和替换操作,需要的朋... 目录基础语法导入re模块基本元字符常用匹配方法1. re.match() - 从字符串开头匹配2.

Python使用FastAPI实现大文件分片上传与断点续传功能

《Python使用FastAPI实现大文件分片上传与断点续传功能》大文件直传常遇到超时、网络抖动失败、失败后只能重传的问题,分片上传+断点续传可以把大文件拆成若干小块逐个上传,并在中断后从已完成分片继... 目录一、接口设计二、服务端实现(FastAPI)2.1 运行环境2.2 目录结构建议2.3 serv

通过Docker容器部署Python环境的全流程

《通过Docker容器部署Python环境的全流程》在现代化开发流程中,Docker因其轻量化、环境隔离和跨平台一致性的特性,已成为部署Python应用的标准工具,本文将详细演示如何通过Docker容... 目录引言一、docker与python的协同优势二、核心步骤详解三、进阶配置技巧四、生产环境最佳实践

Python一次性将指定版本所有包上传PyPI镜像解决方案

《Python一次性将指定版本所有包上传PyPI镜像解决方案》本文主要介绍了一个安全、完整、可离线部署的解决方案,用于一次性准备指定Python版本的所有包,然后导出到内网环境,感兴趣的小伙伴可以跟随... 目录为什么需要这个方案完整解决方案1. 项目目录结构2. 创建智能下载脚本3. 创建包清单生成脚本4

Python实现Excel批量样式修改器(附完整代码)

《Python实现Excel批量样式修改器(附完整代码)》这篇文章主要为大家详细介绍了如何使用Python实现一个Excel批量样式修改器,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一... 目录前言功能特性核心功能界面特性系统要求安装说明使用指南基本操作流程高级功能技术实现核心技术栈关键函

python获取指定名字的程序的文件路径的两种方法

《python获取指定名字的程序的文件路径的两种方法》本文主要介绍了python获取指定名字的程序的文件路径的两种方法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要... 最近在做项目,需要用到给定一个程序名字就可以自动获取到这个程序在Windows系统下的绝对路径,以下

使用Python批量将.ncm格式的音频文件转换为.mp3格式的实战详解

《使用Python批量将.ncm格式的音频文件转换为.mp3格式的实战详解》本文详细介绍了如何使用Python通过ncmdump工具批量将.ncm音频转换为.mp3的步骤,包括安装、配置ffmpeg环... 目录1. 前言2. 安装 ncmdump3. 实现 .ncm 转 .mp34. 执行过程5. 执行结