Python多进程方式抓取基金网站内容的方法分析
发布时间:2020-12-20 12:59:04 所属栏目:Python 来源:网络整理
导读:因为进程也不是越多越好,我们计划分3个进程执行。意思就是 :把总共要抓取的28页分成三部分。 怎么分呢? # 初始range r = range(1,29 ) # 步长 step = 10 myList = [r[x:x+step] for x in range(0,len(r),step)] print (myList) # [range(1,11),range(11,2
因为进程也不是越多越好,我们计划分3个进程执行。意思就是 :把总共要抓取的28页分成三部分。 怎么分呢? # 初始range r = range(1,29) # 步长 step = 10 myList = [r[x:x+step] for x in range(0,len(r),step)] print(myList) # [range(1,11),range(11,21),range(21,29)] 看上面代码,我们就把1~29分成了三部分,list里三个range。 2、还记得我们抓取基金网站内容的 def getData(start,end): for x in range(start,end+1): # 去第几页 输入框 tonum = driver.find_element_by_id("tonum") # 去第几页 提交按钮 jumpBtn = driver.find_element_by_id("btn_jump") tonum.clear() # 第x页 输入框 tonum.send_keys(str(x)) # 去第x页 jumpBtn.click() # 点击按钮 WebDriverWait(driver,20).until(lambda driver: driver.find_element_by_id("pager") .find_element_by_xpath("span[@value={0} and @class!=‘end page‘]".format(x)) .get_attribute("class").find("at") != -1) # 保存抓取到的html内容 # 保存到html目录下 with open("./htmls/{0}.txt".format(x),"wb") as f: f.write(driver.find_element_by_id("tableDiv").get_attribute("innerHTML").encode("utf8")) f.close() 函数是有2个参数:一个开始页码,一个结束页码,也就是从第start页,到第end页。 这2个参数实际上也是 改造 # 循环抓取网页内容的函数 def getData(myrange): for x in myrange: # 去第几页 输入框 tonum = driver.find_element_by_id("tonum") # 去第几页 提交按钮 jumpBtn = driver.find_element_by_id("btn_jump") tonum.clear() # 第x页 输入框 tonum.send_keys(str(x)) # 去第x页 jumpBtn.click() # 点击按钮 WebDriverWait(driver,"wb") as f: f.write(driver.find_element_by_id("tableDiv").get_attribute("innerHTML").encode("utf8")) f.close() 3、创建进程,把target设置为上面的 # 初始range r = range(1,int(total_page)+1) # 步长 step = 10 myList = [r[x:x+step] for x in range(0,step)] # 把页面分段 # 创建进程 processList = [] if __name__ == "__main__": for r in myList: p = Process(target=getData,args=(r,)) processList.append(p) # 开始执行进程 for p in processList: p.start() 这样就有三个进程分别抓取。 4、多进程抓取基金网站多页内容完全代码: from selenium import webdriver from selenium.webdriver.support.ui import WebDriverWait from selenium.webdriver.support import expected_conditions from multiprocessing import Process driver = webdriver.PhantomJS(executable_path=r"你phantomjs的可执行文件路径") # 请求一个网址 driver.get("http://fund.eastmoney.com/fund.html") page_text = driver.find_element_by_id("pager").find_element_by_xpath("span[@class=‘nv‘]").text total_page = ‘‘.join(filter(str.isdigit,page_text)) # 得到总共有多少页 # 循环抓取网页内容的函数 def getData(myrange): for x in myrange: # 去第几页 输入框 tonum = driver.find_element_by_id("tonum") # 去第几页 提交按钮 jumpBtn = driver.find_element_by_id("btn_jump") tonum.clear() # 第x页 输入框 tonum.send_keys(str(x)) # 去第x页 jumpBtn.click() # 点击按钮 WebDriverWait(driver,"wb") as f: f.write(driver.find_element_by_id("tableDiv").get_attribute("innerHTML").encode("utf8")) f.close() # 初始range r = range(1,)) processList.append(p) # 开始执行进程 for p in processList: p.start() (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |