当前位置: 首页 > news >正文

公司网站建设改版百度推广网址

公司网站建设改版,百度推广网址,wordpress附件类型,集团官网及站群网站建设题目 链接 爬虫往往不能在一个页面里面获取全部想要的数据,需要访问大量的网页才能够完成任务。 这里有一个网站,还是求所有数字的和,只是这次分了1000页。 思路 找到调用接口 可以看到后面有个参数page来控制页码 代码实现 import reques…

题目
链接

爬虫往往不能在一个页面里面获取全部想要的数据,需要访问大量的网页才能够完成任务。
这里有一个网站,还是求所有数字的和,只是这次分了1000页。

思路

  • 找到调用接口

-
可以看到后面有个参数page来控制页码

代码实现

import requests
import reurl = 'http://www.glidedsky.com/level/web/crawler-basic-2'headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36 Edg/89.0.774.54','Cookie': ''
}res = 0
for i in range(1, 1001):temp_url = url + '?page=' + str(i)response = requests.get(temp_url, headers=headers)html = response.textpattern = re.compile('<div class="col-md-1">.*?(\d+).*?</div>', re.S)n_list = re.findall(pattern, html)for n in n_list:res += int(n)print(f'Result: {res}')

使用多线程实现更快爬取:

import requests
import re
import threadingurl = 'http://www.glidedsky.com/level/web/crawler-basic-2'
total_threads = 10  # 设置线程数量
lock = threading.Lock()  # 创建一个锁,用于线程间的数据同步
res = 0def worker(thread_id):global resfor i in range(thread_id, 1001, total_threads):temp_url = url + '?page=' + str(i)response = requests.get(temp_url, headers=headers)html = response.textpattern = re.compile('<div class="col-md-1">.*?(\d+).*?</div>', re.S)n_list = re.findall(pattern, html)with lock:for n in n_list:res += int(n)threads = []
headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36 Edg/89.0.774.54','Cookie': ''
}# 创建并启动线程
for i in range(total_threads):thread = threading.Thread(target=worker, args=(i,))thread.start()threads.append(thread)# 等待所有线程执行完成
for thread in threads:thread.join()print(f'Result: {res}')

使用异步函数

import aiohttp
import asyncio
import reurl = 'http://www.glidedsky.com/level/web/crawler-basic-2'
total_requests = 1000  # 总共地请求次数
concurrent_requests = 10  # 同时并发的请求数量
res = 0headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36 Edg/89.0.774.54','Cookie': ''
}async def fetch_url(session, temp_url):async with session.get(temp_url, headers=headers) as response:html = await response.text()pattern = re.compile('<div class="col-md-1">.*?(\d+).*?</div>', re.S)n_list = re.findall(pattern, html)return [int(n) for n in n_list]async def main():async with aiohttp.ClientSession() as session:tasks = []for i in range(1, total_requests + 1):temp_url = url + '?page=' + str(i)tasks.append(fetch_url(session, temp_url))if len(tasks) >= concurrent_requests or i == total_requests:results = await asyncio.gather(*tasks)for n_list in results:for n in n_list:global resres += ntasks = []loop = asyncio.get_event_loop()
loop.run_until_complete(main())print(f'Result: {res}')

时间统计:同步的方式大概80s,多线程和异步时间差不多都是20s左右

http://www.rdtb.cn/news/15522.html

相关文章:

  • html编辑器电脑版上海网站优化公司
  • 四核网站建设引擎网站
  • 手机网站建设服务合同范本域名注册要多少钱
  • php做的网站有成都专门做网络推广的公司
  • 传奇新开网站传奇三肖阿里云建站
  • 大型网站开发报价方案网站搜索排名优化
  • 聊城网站案例网络营销试题库及答案
  • 网上推广哪家好seo的内容有哪些
  • 网站建设专家cms舆情网站直接打开怎么弄
  • 个人网站备案建设方案书模板网站哪个好
  • 日本人做的摇滚网站济南百度快照推广公司
  • 全球排行前50网站开发语言熊猫关键词挖掘工具
  • 成都公司网页制作长春关键词优化平台
  • 常州微信网站建设优化网站广告优化
  • 临漳手机网站建设什么是百度搜索推广
  • 上海都有哪些公司windows11优化大师
  • wordpress新闻自媒体主题搜索引擎营销就是seo
  • 宿州建设企业网站公司google seo 优化招聘
  • 自己做网站视频教程磁力
  • 云开发技术宁波seo软件免费课程
  • 怎么使用织梦做网站推广方案万能模板
  • 桂林疫情最新政策惠州seo外包平台
  • 网站想要被收录要怎么做免费推广网站大全集合
  • 苏州网页设计师培训蜘蛛seo超级外链工具
  • 网站建设成都产品营销推广方案
  • 网站做关键词排行一个月多少钱百度推广外推联系方式
  • 专业找人公司是真的吗网站优化一年多少钱
  • 如何免费自做企业网站深圳市seo上词多少钱
  • 腾讯云服务器用什么做网站优化水平
  • 做网站能赚钱吗 知乎关键词的分类和优化