Python爬虫入门教程 3-100 美空网数据爬取

jzzlee 发布于2019-06-26 18:02 / 2483人阅读

摘要：美空网数据简介从今天开始，我们尝试用篇博客的内容量，搞定一个网站叫做美空网网址为，这个网站我分析了一下，我们要爬取的图片在下面这个网址然后在去分析一下，我需要找到一个图片列表页面是最好的，作为一个勤劳的爬虫，我找到了这个页面列表页面被我找

1.美空网数据-简介

从今天开始，我们尝试用2篇博客的内容量，搞定一个网站叫做“美空网”网址为：http://www.moko.cc/，这个网站我分析了一下，我们要爬取的图片在下面这个网址

</>复制代码 
http://www.moko.cc/post/13020...

然后在去分析一下，我需要找到一个图片列表页面是最好的，作为一个勤劳的爬虫coder，我找到了这个页面

</>复制代码 
http://www.moko.cc/post/da39d...

列表页面被我找到了，貌似没有分页，这就简单多了，但是刚想要爬，就翻车了，我发现一个严重的问题。

http://www.moko.cc/post/==da3...

我要做的是一个自动化的爬虫，但是我发现，出问题了，上面那个黄色背景的位置是啥？

ID，昵称，个性首页，这个必须要搞定。

我接下来随机的找了一些图片列表页，试图找到规律到底是啥？

http://www.moko.cc/post/978c7...

http://www.moko.cc/post/junda...

http://www.moko.cc/post/slavi...

......

没什么问题，发现规律了

http://www.moko.cc/post/==个...

这就有点意思了，我要是能找到尽量多的昵称，不就能拼接出来我想要得所有地址了吗

开干！！！

手段，全站乱点，找入口，找切入点，找是否有API

.... .... 结果没找着

下面的一些备选方案

趴这个页面，发现只有 20页 http://www.moko.cc/channels/p...

每页48个模特，20页。那么也才960人啊，完全覆盖不到尽可能多的用户。

接着又找到

http://www.moko.cc/catalog/in... 这个页面

确认了一下眼神，以为发现问题了，结果

哎呀，还么有权限，谁有权限，可以跟我交流一下，一时激动，差点去下载他们的APP，然后进行抓包去。

上面两条路，都不好弄，接下来继续找路子。

无意中，我看到了一丝曙光

关注名单，点进去

哈哈哈，OK了，这不就是，我要找到的东西吗？

不多说了，爬虫走起，测试一下他是否有反扒机制。

我找到了一个关注的人比较多的页面，1500多个人

http://www.moko.cc/subscribe/...

然后又是一波分析操作

2.美空网数据- 爬虫数据存储

确定了爬虫的目标，接下来，我做了两件事情，看一下，是否对你也有帮助

确定数据存储在哪里？最后我选择了MongoDB

用正则表达式去分析网页数据

对此，我们需要安装一下MongoDB，安装的办法肯定是官网教程啦！

</>复制代码 
https://docs.mongodb.com/mast...

如果官方文档没有帮助你安装成功。

那么我推荐下面这篇博客

</>复制代码 
https://www.cnblogs.com/hacky...

安装MongoDB出现如下结果

恭喜你安装成功了。

接下来，你要学习的是关于mongodb用户权限的管理

</>复制代码 
http://www.cnblogs.com/shiyiw...

mongodb索引的创建

</>复制代码 
https://blog.csdn.net/salmone...

别问为啥我不重新写一遍，懒呗~~~ 况且这些资料太多了，互联网大把大把的。

一些我经常用的mongdb的命令

</>复制代码 
链接 mongo --port <端口号>
选择数据库 use admin 
展示当前数据库  db 
当前数据库授权  db.auth("用户名","密码")
查看数据库  show dbs
查看数据库中的列名  show collections 
创建列  db.createCollection("列名")
创建索引 db.col.ensureIndex({"列名字":1},{"unique":true})
展示所有索引 db.col.getIndexes()
删除索引 db.col.dropIndex("索引名字")  
查找数据  db.列名.find()
查询数据总条数  db.列名.find().count()

上面基本是我最常用的了，我们下面实际操作一把。

用Python链接MongoDB

使用 pip3 安装pymongo库

使用pymongo模块连接mongoDB数据库

一些准备工作

创建dm数据库

链接上mongodb 在终端使用命令 mongo --port 21111

</>复制代码 
[linuxboy@localhost ~]$ mongo --port 21111
MongoDB shell version v3.6.5
connecting to: mongodb://127.0.0.1:21111/
MongoDB server version: 3.6.5
>

配置用户权限：接着上面输入命令 show dbs 查看权限

权限不足

创建管理用户

</>复制代码 
db.createUser({user: "userAdmin",pwd: "123456", roles: [ { role: "userAdminAnyDatabase", db: "admin" } ] } )

授权用户

</>复制代码 
db.auth("userAdmin","123456")

查看权限

</>复制代码 
> db.auth("userAdmin","123456")
1
> show dbs
admin   0.000GB
config  0.000GB
local   0.000GB
moko    0.013GB
test    0.000GB
>

接下来创建 dm数据库<在这之前还需要创建一个读写用户>

</>复制代码 
> use dm
switched to db dm
> db
dm
> db.createUser({user: "dba",pwd: "dba", roles: [ { role: "readWrite", db: "dm" } ] } )
Successfully added user: {
    "user" : "dba",
    "roles" : [
        {
            "role" : "readWrite",
            "db" : "dm"
        }
    ]
}
>

重新授权

</>复制代码 
db.auth("dba","dba")

创建一列数据

</>复制代码 
> db.createCollection("demo")
{ "ok" : 1 }
> db.collections
dm.collections
> show collections
demo
>

Python实现插入操作

</>复制代码 
import pymongo as pm  #确保你已经安装过pymongo了
 # 获取连接
client = pm.MongoClient("localhost", 21111)  # 端口号是数值型
# 连接目标数据库
db = client.dm
# 数据库用户验证
db.authenticate("dba", "dba")
post = {
        "id": "111111",
        "level": "MVP",
        "real":1,
        "profile": "111",
        "thumb":"2222",
        "nikename":"222",
        "follows":20
}
db.col.insert_one(post) # 插入单个文档
# 打印集合第1条记录
print (db.col.find_one())

编译执行

</>复制代码 
[linuxboy@bogon moocspider]$ python3 mongo.py
{"_id": ObjectId("5b15033cc3666e1e28ae5582"), "id": "111111", "level": "MVP", "real": 1, "profile": "111", "thumb": "2222", "nikename": "222", "follows": 20}
[linuxboy@bogon moocspider]$

好了，我们到现在为止，实现了mongodb的插入问题。

3.美空网数据-用Python 爬取关注对象

首先，我需要创造一个不断抓取链接的类

这个类做的事情，就是分析

http://www.moko.cc/subscribe/...

这个页面，总共有多少页，然后生成链接

抓取页面中的总页数为77

正则表达式如下

</>复制代码 
onfocus="this.blur()">(d*?)<

在这里，由所有的分页都一样，所以，我匹配了全部的页码，然后计算了数组中的最大值

</>复制代码 
#获取页码数组
pages = re.findall(r"onfocus="this.blur()">(d*?)<",content,re.S)   #获取总页数
page_size = 1
if pages:  #如果数组不为空
    page_size = int(max(pages))   #获取最大页数

接下来就是我们要搞定的生产者编码阶段了，我们需要打造一个不断获取连接的爬虫

简单的说就是

我们需要一个爬虫，不断的去爬取

http://www.moko.cc/subscribe/... 这个页面中所有的用户，并且还要爬取到总页数。

比如查看上述页面中,我们要获取的关键点如下

通过这个页面，我们要得到，这样子的一个数组，注意下面数组中有个位置【我用爬虫爬到的】这个就是关键的地方了

</>复制代码 
all_urls = [
    "http://www.moko.cc/subscribe/chenhaoalex/1.html",
    "http://www.moko.cc/subscribe/chenhaoalex/2.html",
    "http://www.moko.cc/subscribe/chenhaoalex/3.html",
    "http://www.moko.cc/subscribe/chenhaoalex/4.html",
    ......
    "http://www.moko.cc/subscribe/dde760d5dd6a4413aacb91d1b1d76721/1.html"
    "http://www.moko.cc/subscribe/3cc82db2231a4449aaa97ed8016b917a/1.html"
    "http://www.moko.cc/subscribe/d45c1e3069c24152abdc41c1fb342b8f/1.html"
    "http://www.moko.cc/subscribe/【我用爬虫爬到的】/1.html"
    
    
    ]

引入必备模块

</>复制代码 
# -*- coding: UTF-8 -*-
import requests   #网络请求模块
import random     #随机模块
import re         #正则表达式模块
import time       #时间模块
import threading  #线程模块
import pymongo as pm   #mongodb模块

接下来，我们需要准备一个通用函数模拟UserAgent做一个简单的反爬处理

</>复制代码 
class Config():
    def getHeaders(self):
        user_agent_list = [ 
            "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/22.0.1207.1 Safari/537.1" 
            "Mozilla/5.0 (X11; CrOS i686 2268.111.0) AppleWebKit/536.11 (KHTML, like Gecko) Chrome/20.0.1132.57 Safari/536.11", 
            "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.6 (KHTML, like Gecko) Chrome/20.0.1092.0 Safari/536.6", 
            "Mozilla/5.0 (Windows NT 6.2) AppleWebKit/536.6 (KHTML, like Gecko) Chrome/20.0.1090.0 Safari/536.6", 
            "Mozilla/5.0 (Windows NT 6.2; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/19.77.34.5 Safari/537.1", 
            "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/536.5 (KHTML, like Gecko) Chrome/19.0.1084.9 Safari/536.5", 
            "Mozilla/5.0 (Windows NT 6.0) AppleWebKit/536.5 (KHTML, like Gecko) Chrome/19.0.1084.36 Safari/536.5", 
            "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1063.0 Safari/536.3", 
            "Mozilla/5.0 (Windows NT 5.1) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1063.0 Safari/536.3", 
            "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_8_0) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1063.0 Safari/536.3", 
            "Mozilla/5.0 (Windows NT 6.2) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1062.0 Safari/536.3", 
            "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1062.0 Safari/536.3", 
            "Mozilla/5.0 (Windows NT 6.2) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1061.1 Safari/536.3", 
            "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1061.1 Safari/536.3", 
            "Mozilla/5.0 (Windows NT 6.1) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1061.1 Safari/536.3", 
            "Mozilla/5.0 (Windows NT 6.2) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1061.0 Safari/536.3", 
            "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/535.24 (KHTML, like Gecko) Chrome/19.0.1055.1 Safari/535.24", 
            "Mozilla/5.0 (Windows NT 6.2; WOW64) AppleWebKit/535.24 (KHTML, like Gecko) Chrome/19.0.1055.1 Safari/535.24"
        ]
        UserAgent=random.choice(user_agent_list)
        headers = {"User-Agent": UserAgent}
        return headers

编写生产者的类和核心代码,Producer继承threading.Thread

</>复制代码 
#生产者
class Producer(threading.Thread):
    
    def run(self):
        print("线程启动...")
        headers = Config().getHeaders()
if __name__ == "__main__":
    p = Producer()
    p.start()

测试运行，一下，看是否可以启动

</>复制代码 
[linuxboy@bogon moocspider]$ python3 demo.py
线程启动...
{"User-Agent": "Mozilla/5.0 (Windows NT 6.2; WOW64) AppleWebKit/535.24 (KHTML, like Gecko) Chrome/19.0.1055.1 Safari/535.24"}
[linuxboy@bogon moocspider]$

如果上面的代码没有问题，接下来就是我们爬虫代码部分了，为了方便多线程之间的调用，我们还是创建一个共享变量在N个线程之间调用

</>复制代码 
# -*- coding: UTF-8 -*-
import requests
import random
import re
import time
import threading
import pymongo as pm
 # 获取连接
client = pm.MongoClient("localhost", 21111)  # 端口号是数值型
# 连接目标数据库
db = client.moko
# 数据库用户验证
db.authenticate("moko", "moko")
urls = ["http://www.moko.cc/subscribe/chenhaoalex/1.html"]
index = 0   #索引
g_lock = threading.Lock()  #初始化一个锁  
#生产者
class Producer(threading.Thread):
    
    def run(self):
        print("线程启动...")
        headers = Config().getHeaders()
        print(headers)
        global urls
        global index 
        while True:
            g_lock.acquire() 
            if len(urls)==0:
                g_lock.release() 
                continue
            page_url = urls.pop()
            g_lock.release() #使用完成之后及时把锁给释放，方便其他线程使用
            response = ""
            try:
                response = requests.get(page_url,headers=headers,timeout=5)
                
            except Exception as http:
                print("生产者异常")
                print(http)
                continue       
            content = response.text 
            
            rc = re.compile(r"")
            follows = rc.findall(content)
            print(follows)
            fo_url = []
            threading_links_2 = []
            for u in follows:   
                this_url = "http://www.moko.cc/subscribe/%s/1.html" % u 
                g_lock.acquire()
                index += 1 
                g_lock.release()
                fo_url.append({"index":index,"link":this_url})
                threading_links_2.append(this_url)
           
            g_lock.acquire()
            urls += threading_links_2
            g_lock.release()
            print(fo_url)
            
            try:
                db.text.insert_many(fo_url,ordered=False )
            except:
                continue
if __name__ == "__main__":
    p = Producer()
    p.start()

上面代码除了基本操作以外，我做了一些细小的处理

现在说明如下

</>复制代码 
fo_url.append({"index":index,"link":this_url})

这部分代码，是为了消费者使用时候，方便进行查找并且删除操作而特意改造的，增加了一个字段index作为标识

第二个部分，插入数据的时候，我进行了批量的操作使用的是insert_many函数，并且关键的地方，我增加了一个ordered=False的操作，这个地方大家可以自行研究一下，我的目的是去掉重复数据，默认情况下insert_many函数如果碰到数据重复，并且在mongodb中创建了索引==创建索引的办法，大家自行翻阅文章上面==，那么是无法插入的，但是这样子会插入一部分，只把重复的地方略过，非常方便。

关于pymongo的使用，大家可以参考官网手册

这个是 pymongo的官方教程

</>复制代码 
http://api.mongodb.com/python...

MongoDB的手册大家也可以参考

</>复制代码 
https://docs.mongodb.com/manu...

</>复制代码 
 db.text.insert_many(fo_url,ordered=False )

我们链接上MongoDB数据库，查询一下我们刚刚插入的数据

</>复制代码 
> show collections
col
links
text
> db.text
moko.text
> db.text.find()
{ "_id" : ObjectId("5b1789e0c3666e642364a70b"), "index" : 1, "link" : "http://www.moko.cc/subscribe/dde760d5dd6a4413aacb91d1b1d76721/1.html" }
{ "_id" : ObjectId("5b1789e0c3666e642364a70c"), "index" : 2, "link" : "http://www.moko.cc/subscribe/3cc82db2231a4449aaa97ed8016b917a/1.html" }
.......
{ "_id" : ObjectId("5b1789e0c3666e642364a71e"), "index" : 20, "link" : "http://www.moko.cc/subscribe/8c1e4c738e654aad85903572f9090adb/1.html" }
Type "it" for more

其实上面代码，有一个非常严重的BUG，就是当我们实际操作的时候，发现，我们每次获取到的都是我们使用this_url = "http://www.moko.cc/subscribe/%s/1.html" % u 进行拼接的结果。

也就是说，我们获取到的永远都是第1页。这个按照我们之前设计的就不符合逻辑了，

我们还要获取到分页的内容，那么这个地方需要做一个简单的判断，就是下面的逻辑了。

==如果完整代码，大家不知道如何观看，可以直接翻阅到文章底部，有对应的github链接==

</>复制代码 
#如果是第一页，那么需要判断一下
#print(page_url)
is_home =re.search(r"(d*?).html",page_url).group(1)
if is_home == str(1):
    pages = re.findall(r"onfocus="this.blur()">(d*?)<",content,re.S)   #获取总页数
    page_size = 1
    if pages:
        page_size = int(max(pages))   #获取最大页数
        if page_size > 1:   #如果最大页数大于1，那么获取所有的页面
            url_arr = []
            threading_links_1 = []
            for page in range(2,page_size+1):
                url =  re.sub(r"(d*?).html",str(page)+".html",page_url)  
                threading_links_1.append(url)
                g_lock.acquire()
                index += 1 
                g_lock.release()
                url_arr.append({ "index":index, "link": url})
            g_lock.acquire()
            urls += threading_links_1  #  URL数据添加
            g_lock.release()
            try:
                db.text.insert_many(url_arr,ordered=False )
            except Exception as e:
                print("数据库输入异常")
                print (e)
                continue
            
        else:
            pass
    else:
            pass

截止到现在为止，其实你已经实现了链接的生产者了。

我们在MongoDB中生成了一堆链接，接下来就是使用阶段了。

使用起来也是非常简单。

我先给大家看一个比较复杂的正则表达式爬虫写的好不好，正则表达式站很重要的比例哦~

</>复制代码 
divEditOperate_(?Pd*)["] .*>[sS]*?.*?(?P<级别>w*P).*(?P<是否认证>
)?.*?
[sS]*?[sS]*?[sS]*?[sS]*?(?P<地点>.*?) .*?(?P<粉丝数目>d*?)

上面这个正则表达式，就是我为

</>复制代码 
http://www.moko.cc/subscribe/chenhaoalex/1.html

这个页面专门准备的。

这样子，我就可以直接获取到我想要的所有数据了。

消费者的代码如下

</>复制代码 
get_index = 0
#消费者类
class Consumer(threading.Thread):
    
    def run(self):
        headers = Config().getHeaders()
        global get_index 
        while True:
            
            g_lock.acquire() 
            get_index += 1
            g_lock.release()
            #从刚才数据存储的列里面获取一条数据，这里用到find_one_and_delete方法
            #get_index 需要声明成全局的变量
            link = db.links.find_one_and_delete({"index":get_index})
            page_url = ""
            if link:
                page_url = link["link"]
                print(page_url+">>>网页分析中...")
            else:
                continue
            response = ""
            try:
                response = requests.get(page_url,headers=headers,timeout=5)
                
            except Exception as http:
                print("消费者有异常")
                print(http)
                continue
            
            content = response.text 
            rc = re.compile(r"divEditOperate_(?Pd*)["] .*>[sS]*?.*?(?P<级别>w*P).*(?P<是否认证>
)?.*?
[sS]*?[sS]*?[sS]*?[sS]*?(?P<地点>.*?) .*?(?P<粉丝数目>d*?)")
            user_info = rc.findall(content)
            print(">>>>>>>>>>>>>>>>>>>>")
            users = []
            for user in user_info:
                post = {
                    "id": user[0],
                    "level": user[1],
                    "real":user[2],
                    "profile": user[3],
                    "thumb":user[4],
                    "nikename":user[5],
                    "address":user[6],
                    "follows":user[7]
                }
                users.append(post)
            print(users)
           
            try:
                db.mkusers.insert_many(users,ordered=False )
            except Exception as e:
                print("数据库输入异常")
                print (e)
                continue
            time.sleep(1)
            print("<<<<<<<<<<<<<<<<<<<<")

当你使用python3 demo.py 编译demo之后，屏幕滚动如下结果，那么你成功了。

接下来就可以去数据库查阅数据去了。

</>复制代码 
[linuxboy@bogon moocspider]$ python3 demo.py
线程启动...
{"User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1063.0 Safari/536.3"}
http://www.moko.cc/subscribe/chenhaoalex/2.html>>>网页分析中...
["dde760d5dd6a4413aacb91d1b1d76721", "3cc82db2231a4449aaa97ed8016b917a", "a1835464ad874eec92ccbb31841a7590", "c9ba6a47a246494398d4e26c1e0b7e54", "902fe175e668417788a4fb5d4de7ab99", "dcb8f11265594f17b821a6d90caf96a7", "7ea0a96621eb4ed99c9c642936559c94", "d45c1e3069c24152abdc41c1fb342b8f", "chenyiqiu", "798522844", "MEERILLES", "ddfd9e1f7dca4cffb2430caebd2494f8", "d19cbd37c87e400e9da42e159560649b", "ac07e7fbfde14922bb1d0246b9e4374d", "05abc72ac7bb4f738f73028fed17ac23", "hanzhuoer", "e12e15aaee654b8aa9f528215bc3294c", "3b6d8dc6fd814789bd484f393b5c9fa8", "83256b93a2f94f449ab75c730cb80a7b", "8c1e4c738e654aad85903572f9090adb"]
[{"index": 77, "link": "http://www.moko.cc/subscribe/dde760d5dd6a4413aacb91d1b1d76721/1.html"}, {"index": 78, "link": "http://www.moko.cc/subscribe/3cc82db2231a4449aaa97ed8016b917a/1.html"}, {"index": 79, "link": "http://www.moko.cc/subscribe/a1835464ad874eec92ccbb31841a7590/1.html"}, {"index": 80, "link": "http://www.moko.cc/subscribe/c9ba6a47a246494398d4e26c1e0b7e54/1.html"}, {]
>>>>>>>>>>>>>>>>>>>>
[{"id": "3533155", "level": "MP", "real": "", "profile": "b1a7e76455cc4ca4b81ed800ab68b308", "thumb": "http://img.mb.moko.cc/2018-02-17/d7db42d4-7f34-46d2-a760-c88eb90d6e0d.jpg", "nikename": "模特九九", "address": "大连", "follows": "10"}, {"id": "3189865", "level": "VIP", "real": "", "profile": "cfdf1482a9034f65a60bc6a1cf8d6a02", "thumb": "http://img.mb.moko.cc/2016-09-30/98c1ffffd3-f9a8-4a15-a106-5d664fa7b558.jpg", "nikename": "何应77", "address": "杭州", "follows": "219"}, {"id": "14886", "level": "VIP", "real": "
", "profile": "cndp", "thumb": "http://img2.moko.cc/users/0/49/14886/logo/img2_des_x3_10100286.jpg", "nikename": "多拍PGirl", "address": "北京", "follows": "2331"}, {"id": "3539257", "level": "MP", "real": "
", "profile": "605c8fb2824049aa841f21858a7fd142", "thumb": "http://img.mb.moko.cc/2018-02":

记得处理数据的时候去掉重复值

</>复制代码 
>show collections
col
links
mkusers
text
> db.mkusers.find()
{ "_id" : ObjectId("5b17931ec3666e6eff3953bc"), "id" : "3533155", "level" : "MP", "real" : "", "profile" : "b1a7e76455cc4ca4b81ed800ab68b308", "thumb" : "http://img.mb.moko.cc/2018-02-17/d7db42d4-7f34-46d2-a760-c88eb90d6e0d.jpg", "nikename" : "模特九九", "address" : "大连", "follows" : "10" }
{ "_id" : ObjectId("5b17931ec3666e6eff3953bd"), "id" : "3189865", "level" : "VIP", "real" : "", "profile" : "cfdf1482a9034f65a60bc6a1cf8d6a02", "thumb" : "http://img.mb.moko.cc/2016-09-30/98c1ffffd3-f9a8-4a15-a106-5d664fa7b558.jpg", "nikename" : "何应77", "address" : "杭州", "follows" : "219" }
{ "_id" : ObjectId("5b17931ec3666e6eff3953be"), "id" : "14886", "level" : "VIP", "real" : "
", "profile" : "cndp", "thumb" : "http://img2.moko.cc/users/0/49/14886/logo/img2_des_x3_10100286.jpg", "nikename" : "多拍PGirl", "address" : "北京", "follows" : "2331" }
{ "_

最后一步，如果你想要把效率提高，修改线程就好了

</>复制代码 
if __name__ == "__main__":
    for i in range(5):
        p = Producer()
        p.start()
    for i in range(7):
        c = Consumer()
        c.start()

经过3个小时的爬取，我获取了70000多美空的用户ID，原则上，你可以获取到所有的被关注者的，不过这些数据对我们测试来说，已经足够使用。

云服务器 GPU云服务器美空网美空网未 python爬取入门爬虫爬取数据

文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。

转载请注明本文地址：https://www.ucloud.cn/yun/19527.html

Python爬虫入门教程 3-100 美空网数据爬取

摘要：美空网数据简介从今天开始，我们尝试用篇博客的内容量，搞定一个网站叫做美空网网址为，这个网站我分析了一下，我们要爬取的图片在下面这个网址然后在去分析一下，我需要找到一个图片列表页面是最好的，作为一个勤劳的爬虫，我找到了这个页面列表页面被我找 1.美空网数据-简介从今天开始，我们尝试用2篇博客的内容量，搞定一个网站叫做美空网网址为：http://www.moko.cc/，这个网站我...

PingCAP 2019-08-26 13:52 评论0 收藏0
Python爬虫入门教程 3-100 美空网数据爬取

摘要：美空网数据简介从今天开始，我们尝试用篇博客的内容量，搞定一个网站叫做美空网网址为，这个网站我分析了一下，我们要爬取的图片在下面这个网址然后在去分析一下，我需要找到一个图片列表页面是最好的，作为一个勤劳的爬虫，我找到了这个页面列表页面被我找 1.美空网数据-简介从今天开始，我们尝试用2篇博客的内容量，搞定一个网站叫做美空网网址为：http://www.moko.cc/，这个网站我...

2i18ns 2019-07-31 10:27 评论0 收藏0
Python爬虫入门教程 4-100 美空网未登录图片爬取

摘要：爬虫分析首先，我们已经爬取到了多的用户个人主页，我通过链接拼接获取到了在这个页面中，咱们要找几个核心的关键点，发现平面拍摄点击进入的是图片列表页面。简介上一篇写的时间有点长了，接下来继续把美空网的爬虫写完，这套教程中编写的爬虫在实际的工作中可能并不能给你增加多少有价值的技术点，因为它只是一套入门的教程，老鸟你自动绕过就可以了，或者带带我也行。爬虫分析首先，我们已经爬取到了N多的...

netmou 2019-08-26 13:52 评论0 收藏0

发表评论

登陆后可评论

0条评论

jzzlee

男|高级讲师

我要关注我要私信

TA的文章

tensorflow下载

阅读 2852·2023-04-25 14:21
#yyds干货盘点# 软件编码规范的评测内容

阅读 1294·2021-11-23 09:51
如何隐藏主机名-怎样隐藏本机的主机名和IP地址？

阅读 4233·2021-09-22 15:43
理解 line-height 和 vertical-align

阅读 694·2019-08-30 15:55
微信小程序开发必备必看常用的Flex布局模式－wxflex

阅读 1668·2019-08-29 11:28
JavaScript设计模式系列六：桥接模式

阅读 2524·2019-08-26 11:44
原生JS快速实现拖放（drag and drop）效果

阅读 1766·2019-08-23 18:15
大话javascript 5期：跨域

阅读 2960·2019-08-23 16:42

资讯专栏INFORMATION COLUMN

上云采购季！| 2核2G4M爆款云服务器低至59元/年，更有多台、长期优惠，快来选购！

Python爬虫入门教程 3-100 美空网数据爬取

</>复制代码

</>复制代码

</>复制代码

</>复制代码

</>复制代码

</>复制代码

</>复制代码

</>复制代码

</>复制代码

</>复制代码

</>复制代码

</>复制代码

</>复制代码

</>复制代码

</>复制代码

</>复制代码

</>复制代码

</>复制代码

</>复制代码

</>复制代码

</>复制代码

</>复制代码

</>复制代码

</>复制代码

</>复制代码

</>复制代码

</>复制代码

</>复制代码

</>复制代码

</>复制代码

</>复制代码

</>复制代码

</>复制代码

相关文章

发表评论

0条评论

男|高级讲师

TA的文章

最新活动