gevent爬取豆瓣电影top250

简介: 采用协程来实现快速抓取页面信息出处:https://github.com/jingsupo/python-spider/blob/master/day07/douban/04douban_gevent.

采用协程来实现快速抓取页面信息
出处:https://github.com/jingsupo/python-spider/blob/master/day07/douban/04douban_gevent.py

# -*- coding:utf-8 -*-

import requests, time, gevent
from lxml import etree
from gevent import monkey
monkey.patch_all()

class DoubanMovie(object):
    def __init__(self):
        self.base_url = "https://movie.douban.com/top250"
        self.headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64; Trident/7.0; rv:11.0) like Gecko"}
        # 电影总数量
        self.count = 0

    def send_request(self, url):
        time.sleep(2)
        try:
            response = requests.get(url, headers=self.headers)
            data = response.content
            self.parse_data(data)
        except Exception as e:
            print e

    def parse_data(self, data):
        html_data = etree.HTML(data)

        # 电影名字
        name_list = html_data.xpath('//*[@id="content"]/div/div[1]/ol/li/div/div[2]/div[1]/a/span[1]/text()')

        for name in name_list:
            print name
            # 每获取一部电影名字电影数量增加1
            self.count += 1

    def run(self):
        start_time = time.time()

        gevent_list = []

        for page in range(0, 225 + 1, 25):
            url = self.base_url + '?start=' + str(page)

            # 创建协程
            gevents = gevent.spawn(self.send_request, url)
            gevent_list.append(gevents)

        # 主线程等待
        gevent.joinall(gevent_list)

        end_time = time.time()

        total_time = end_time - start_time

        print '全部电影%d部' % self.count
        print '总时间%ss' % total_time


if __name__ == '__main__':
    spider = DoubanMovie()
    spider.run()
目录
相关文章
|
7月前
|
JavaScript 数据处理 Python
nodejs | 看看豆瓣Top250电影有哪些?
前面写了`Python` 的版本,然后用 `nodejs` 页写一个吧!
|
7月前
|
JavaScript 数据处理 Python
Python | 看看豆瓣Top250电影有哪些?
这段时间在学习`Python` ,练习一下,爬一下豆瓣Top250的电影有哪些?
|
8月前
|
数据库 Python
|
9月前
|
数据采集 XML 存储
构建一个简单的电影信息爬虫项目:使用Scrapy从豆瓣电影网站爬取数据
这个案例展示了如何使用 Scrapy 框架构建一个简单的爬虫项目,从网页中提取数据并保存到文件中。通过配置、编写爬虫代码、定义数据模型和数据处理管道,你可以灵活地构建各种爬虫应用。
214 0
构建一个简单的电影信息爬虫项目:使用Scrapy从豆瓣电影网站爬取数据
|
10月前
|
Web App开发 iOS开发 Python
python之爬取某瓣前250排名电影标题
初学者练练手洒洒水
69 0
|
存储 数据采集
爬虫实例——爬取豆瓣网 top250 电影的信息
本节通过一个具体的实例来看下编写爬虫的具体过程。以爬取豆瓣网 top250 电影的信息为例,top250 电影的网址为:https://movie.douban.com/top250。在浏览器的地址栏里输入 https://movie.douban.com/top250,我们会看到如下内容:
214 0
|
存储 数据采集 开发者
简单分析豆瓣电影top250
大家好,今天打开了豆瓣电影网,突然想看看前250名的电影剧情都是那些类型的,评分都是多少,所以写了一个程序给大家一起来分享一下。
458 0
简单分析豆瓣电影top250
|
文件存储 Python
简单爬取豆瓣电影相关信息
简单爬取豆瓣电影相关信息
108 0
简单爬取豆瓣电影相关信息
|
数据采集 Java Python
Python爬虫之多线程下载豆瓣Top250电影图片
爬虫项目介绍   本次爬虫项目将爬取豆瓣Top250电影的图片,其网址为:https://movie.douban.com/top250, 具体页面如下图所示:   本次爬虫项目将分别不使用多线程和使用多线程来完成,通过两者的对比,显示出多线程在爬虫项目中的巨大优势。
2425 0