python线程爬虫----豆瓣电影

爬虫开发中,线程(Threading)是提升效率和性能的核心技术之一,尤其在处理I/O密集型任务(如网络请求)时表现突出。


今天的目标网址:https://movie.douban.com/top250?start=0&filter=

1. 导入所需模块

import requests
import threading
from lxml import etree

2. 分析网址与请求头

这里对比第一页与第二页的网址

可以看到start=0是第一页,start=25是第二页,每次递增25就是进行换页

这里使用start={}动态获取

# 豆瓣电影Top250的分页URL模板,start参数表示起始位置(每页25条数据)
url = 'https://movie.douban.com/top250?start={}&filter='

# 请求头设置,模拟浏览器访问
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36'
}

3.发送请求分析数据

很基础的发送请求与xpath分析

def get_movie_info(page_num):
    response = requests.get(url.format(page_num * 25), headers=headers).text
    html = etree.HTML(response)
    movie_list = html.xpath('//div[@class="hd"]/a/span[1]/text()')
    print(movie_list)

4.启动函数,使用线程

threading_list是一个列表,调用线程threading.Thread方法,target方法传入请求函数,args传人page后面跟上循环10个。创建十个线程。然后遍历start执行即可。

注意:args参数接收是元组数据,所以后面加一个逗号

if __name__ == '__main__':
    threading_list = [threading.Thread(target=get_movie_info, args=(page,)) for page in range(10)]
    for thread in threading_list:
        thread.start()

5.运行结果

线程的特点:乱序

可以看到结果也是

6.完整代码

#!/usr/bin/env python
# -*- coding: UTF-8 -*- 
"""
@File    :8. 线程获取豆瓣电影信息.py
@IDE     :PyCharm 
@Author  :易辰的烂笔头
@Date    :2025/5/12 00:54 
"""
import requests
import threading
from lxml import etree

# 豆瓣电影Top250的分页URL模板,start参数表示起始位置(每页25条数据)
url = 'https://movie.douban.com/top250?start={}&filter='

# 请求头设置,模拟浏览器访问
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36'
}


def get_movie_info(page_num):
    response = requests.get(url.format(page_num * 25), headers=headers).text
    html = etree.HTML(response)
    movie_list = html.xpath('//div[@class="hd"]/a/span[1]/text()')
    print(movie_list)


if __name__ == '__main__':
    threading_list = [threading.Thread(target=get_movie_info, args=(page,)) for page in range(10)]
    for thread in threading_list:
        thread.start()

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值