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

百度/小米/滴滴/京东,中台架构比较

小米中台建设实践 01 小米的三大中台建设:业务+数据+技术 业务中台--从业务说起 在中台建设中,需要规范化的服务接口、一致整合化的数据、容器化的技术组件以及弹性的基础设施。并结合业务情况,判定是否真的需要中台。 小米参考了业界优秀的案例包括移动中台、数据中台、业务中台、技术中台等,再结合其业务发展历程及业务现状,整理了中台架构的核心方法论,一是企业如何共享服务,二是如何为业务提供便利。

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

hdu1180(广搜+优先队列)

此题要求最少到达目标点T的最短时间,所以我选择了广度优先搜索,并且要用到优先队列。 另外此题注意点较多,比如说可以在某个点停留,我wa了好多两次,就是因为忽略了这一点,然后参考了大神的思想,然后经过反复修改才AC的 这是我的代码 #include<iostream>#include<algorithm>#include<string>#include<stack>#include<

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

poj 3190 优先队列+贪心

题意: 有n头牛,分别给他们挤奶的时间。 然后每头牛挤奶的时候都要在一个stall里面,并且每个stall每次只能占用一头牛。 问最少需要多少个stall,并输出每头牛所在的stall。 e.g 样例: INPUT: 51 102 43 65 84 7 OUTPUT: 412324 HINT: Explanation of the s

poj 2431 poj 3253 优先队列的运用

poj 2431: 题意: 一条路起点为0, 终点为l。 卡车初始时在0点,并且有p升油,假设油箱无限大。 给n个加油站,每个加油站距离终点 l 距离为 x[i],可以加的油量为fuel[i]。 问最少加几次油可以到达终点,若不能到达,输出-1。 解析: 《挑战程序设计竞赛》: “在卡车开往终点的途中,只有在加油站才可以加油。但是,如果认为“在到达加油站i时,就获得了一

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip