【爬虫实例3】异步爬取大量数据

1、导入模块

1. import requests
2. import csv
3. from concurrent.futures import ThreadPoolExecutor

复制代码

2、先获取第一个页面的内容

分析得到该页面的数据是从getPriceData.html页面获取,并保存在csv文件中

得到url地址后,提取第一个页面内容

1. def download(url, num):
2.     resp = requests.post(url).json()
3.     for i in resp['list']:
4.         temp = [i['prodName'], i['lowPrice'], i['highPrice'], i['avgPrice'], i['place'], i['unitInfo'], i['pubDate']]
5.         csvwrite.writerow(temp)
6.    
9. if __name__ == "__main__":
10.     url = 'http://www.xinfadi.com.cn/getPriceData.html'
11.     download(url)
12.     print('success')

复制代码

** 此为第一个页面信息提取:**

3、获取更多的信息

分析页面数据显示规律,请求地址时页面携带页码和需要显示数据的条数,一共17362页,每页20条数据

设置100个线程提取17362页数据,同时每次请求时传入页码

1. def download(url, num):
2.     data = {
3.         "limit": 20,
4.         "current": num
5.     }
6.     resp = requests.post(url, data=data).json()
7.     for i in resp['list']:
8.         temp = [i['prodName'], i['lowPrice'], i['highPrice'], i['avgPrice'], i['place'], i['unitInfo'], i['pubDate']]
9.         csvwrite.writerow(temp)
10.     print(f'{num}页提取完成')
13. if __name__ == "__main__":
14.     url = 'http://www.xinfadi.com.cn/getPriceData.html'
15.     # 设置100个线程
16.     with ThreadPoolExecutor(100) as t:
17.         for i in range(1, 17363):
18.             t.submit(download(url, i))
19.     print('success')

复制代码

4、完整代码

4、完整代码

1. # 1、提取单页面import requests
2. import csv
3. from concurrent.futures import ThreadPoolExecutorf = open("data.csv", mode="w", encoding="utf-8")csvwrite = csv.writer(f)def download(url, num):
4.     data = {
5.         "limit": 20,
6.         "current": num
7.     }
8.     resp = requests.post(url, data=data).json()
9.     for i in resp['list']:
10.         temp = [i['prodName'], i['lowPrice'], i['highPrice'], i['avgPrice'], i['place'], i['unitInfo'], i['pubDate']]
11.         csvwrite.writerow(temp)
12.     print(f'{num}页提取完成')
15. if __name__ == "__main__":
16.     url = 'http://www.xinfadi.com.cn/getPriceData.html'
17.     # 设置100个线程
18.     with ThreadPoolExecutor(100) as t:
19.         for i in range(1, 17363):
20.             t.submit(download(url, i))
21.     print('success')

复制代码

以下为第1页~第199页数据:


免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！