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

基于Python开发Windows屏幕控制工具

《基于Python开发Windows屏幕控制工具》在数字化办公时代,屏幕管理已成为提升工作效率和保护眼睛健康的重要环节,本文将分享一个基于Python和PySide6开发的Windows屏幕控制工具,... 目录概述功能亮点界面展示实现步骤详解1. 环境准备2. 亮度控制模块3. 息屏功能实现4. 息屏时间

Python如何去除图片干扰代码示例

《Python如何去除图片干扰代码示例》图片降噪是一个广泛应用于图像处理的技术,可以提高图像质量和相关应用的效果,:本文主要介绍Python如何去除图片干扰的相关资料,文中通过代码介绍的非常详细,... 目录一、噪声去除1. 高斯噪声(像素值正态分布扰动)2. 椒盐噪声(随机黑白像素点)3. 复杂噪声(如伪

Python中图片与PDF识别文本(OCR)的全面指南

《Python中图片与PDF识别文本(OCR)的全面指南》在数据爆炸时代,80%的企业数据以非结构化形式存在,其中PDF和图像是最主要的载体,本文将深入探索Python中OCR技术如何将这些数字纸张转... 目录一、OCR技术核心原理二、python图像识别四大工具库1. Pytesseract - 经典O

基于Linux的ffmpeg python的关键帧抽取

《基于Linux的ffmpegpython的关键帧抽取》本文主要介绍了基于Linux的ffmpegpython的关键帧抽取,实现以按帧或时间间隔抽取关键帧,文中通过示例代码介绍的非常详细,对大家的学... 目录1.FFmpeg的环境配置1) 创建一个虚拟环境envjavascript2) ffmpeg-py

python使用库爬取m3u8文件的示例

《python使用库爬取m3u8文件的示例》本文主要介绍了python使用库爬取m3u8文件的示例,可以使用requests、m3u8、ffmpeg等库,实现获取、解析、下载视频片段并合并等步骤,具有... 目录一、准备工作二、获取m3u8文件内容三、解析m3u8文件四、下载视频片段五、合并视频片段六、错误

Python中提取文件名扩展名的多种方法实现

《Python中提取文件名扩展名的多种方法实现》在Python编程中,经常会遇到需要从文件名中提取扩展名的场景,Python提供了多种方法来实现这一功能,不同方法适用于不同的场景和需求,包括os.pa... 目录技术背景实现步骤方法一:使用os.path.splitext方法二:使用pathlib模块方法三

Python打印对象所有属性和值的方法小结

《Python打印对象所有属性和值的方法小结》在Python开发过程中,调试代码时经常需要查看对象的当前状态,也就是对象的所有属性和对应的值,然而,Python并没有像PHP的print_r那样直接提... 目录python中打印对象所有属性和值的方法实现步骤1. 使用vars()和pprint()2. 使

使用Python和OpenCV库实现实时颜色识别系统

《使用Python和OpenCV库实现实时颜色识别系统》:本文主要介绍使用Python和OpenCV库实现的实时颜色识别系统,这个系统能够通过摄像头捕捉视频流,并在视频中指定区域内识别主要颜色(红... 目录一、引言二、系统概述三、代码解析1. 导入库2. 颜色识别函数3. 主程序循环四、HSV色彩空间详解

一文深入详解Python的secrets模块

《一文深入详解Python的secrets模块》在构建涉及用户身份认证、权限管理、加密通信等系统时,开发者最不能忽视的一个问题就是“安全性”,Python在3.6版本中引入了专门面向安全用途的secr... 目录引言一、背景与动机:为什么需要 secrets 模块?二、secrets 模块的核心功能1. 基

python常见环境管理工具超全解析

《python常见环境管理工具超全解析》在Python开发中,管理多个项目及其依赖项通常是一个挑战,下面:本文主要介绍python常见环境管理工具的相关资料,文中通过代码介绍的非常详细,需要的朋友... 目录1. conda2. pip3. uvuv 工具自动创建和管理环境的特点4. setup.py5.