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

使用Python实现快速搭建本地HTTP服务器

《使用Python实现快速搭建本地HTTP服务器》:本文主要介绍如何使用Python快速搭建本地HTTP服务器,轻松实现一键HTTP文件共享,同时结合二维码技术,让访问更简单,感兴趣的小伙伴可以了... 目录1. 概述2. 快速搭建 HTTP 文件共享服务2.1 核心思路2.2 代码实现2.3 代码解读3.

Python使用自带的base64库进行base64编码和解码

《Python使用自带的base64库进行base64编码和解码》在Python中,处理数据的编码和解码是数据传输和存储中非常普遍的需求,其中,Base64是一种常用的编码方案,本文我将详细介绍如何使... 目录引言使用python的base64库进行编码和解码编码函数解码函数Base64编码的应用场景注意

Python基于wxPython和FFmpeg开发一个视频标签工具

《Python基于wxPython和FFmpeg开发一个视频标签工具》在当今数字媒体时代,视频内容的管理和标记变得越来越重要,无论是研究人员需要对实验视频进行时间点标记,还是个人用户希望对家庭视频进行... 目录引言1. 应用概述2. 技术栈分析2.1 核心库和模块2.2 wxpython作为GUI选择的优

Python如何使用__slots__实现节省内存和性能优化

《Python如何使用__slots__实现节省内存和性能优化》你有想过,一个小小的__slots__能让你的Python类内存消耗直接减半吗,没错,今天咱们要聊的就是这个让人眼前一亮的技巧,感兴趣的... 目录背景:内存吃得满满的类__slots__:你的内存管理小助手举个大概的例子:看看效果如何?1.

Python+PyQt5实现多屏幕协同播放功能

《Python+PyQt5实现多屏幕协同播放功能》在现代会议展示、数字广告、展览展示等场景中,多屏幕协同播放已成为刚需,下面我们就来看看如何利用Python和PyQt5开发一套功能强大的跨屏播控系统吧... 目录一、项目概述:突破传统播放限制二、核心技术解析2.1 多屏管理机制2.2 播放引擎设计2.3 专

Python中随机休眠技术原理与应用详解

《Python中随机休眠技术原理与应用详解》在编程中,让程序暂停执行特定时间是常见需求,当需要引入不确定性时,随机休眠就成为关键技巧,下面我们就来看看Python中随机休眠技术的具体实现与应用吧... 目录引言一、实现原理与基础方法1.1 核心函数解析1.2 基础实现模板1.3 整数版实现二、典型应用场景2

Python实现无痛修改第三方库源码的方法详解

《Python实现无痛修改第三方库源码的方法详解》很多时候,我们下载的第三方库是不会有需求不满足的情况,但也有极少的情况,第三方库没有兼顾到需求,本文将介绍几个修改源码的操作,大家可以根据需求进行选择... 目录需求不符合模拟示例 1. 修改源文件2. 继承修改3. 猴子补丁4. 追踪局部变量需求不符合很

python+opencv处理颜色之将目标颜色转换实例代码

《python+opencv处理颜色之将目标颜色转换实例代码》OpenCV是一个的跨平台计算机视觉库,可以运行在Linux、Windows和MacOS操作系统上,:本文主要介绍python+ope... 目录下面是代码+ 效果 + 解释转HSV: 关于颜色总是要转HSV的掩膜再标注总结 目标:将红色的部分滤

Python 中的异步与同步深度解析(实践记录)

《Python中的异步与同步深度解析(实践记录)》在Python编程世界里,异步和同步的概念是理解程序执行流程和性能优化的关键,这篇文章将带你深入了解它们的差异,以及阻塞和非阻塞的特性,同时通过实际... 目录python中的异步与同步:深度解析与实践异步与同步的定义异步同步阻塞与非阻塞的概念阻塞非阻塞同步

Python Dash框架在数据可视化仪表板中的应用与实践记录

《PythonDash框架在数据可视化仪表板中的应用与实践记录》Python的PlotlyDash库提供了一种简便且强大的方式来构建和展示互动式数据仪表板,本篇文章将深入探讨如何使用Dash设计一... 目录python Dash框架在数据可视化仪表板中的应用与实践1. 什么是Plotly Dash?1.1