Python實(shí)戰(zhàn)計(jì)劃——第二周第三節(jié):多進(jìn)程爬蟲(chóng)的數(shù)據(jù)抓取

    import requests,pymongo, time
    from bs4 import BeautifulSoup
    from multiprocessing import Pool
    from channel_extact  import channel_list
    from pages_parsing   import get_links_from
    
    client = pymongo.MongoClient('localhost', 27017)
    gan_ji = client['ganji']
    url_list = gan_ji['url_list']
    iterm_info = gan_ji['iterm_info']
    
    db_urls = [iterm['url'] for iterm in url_list.find()]#在url_list中找到全部的iterm,iterm['url']是url
    index_urls = [iterm['url'] for iterm in iterm_info.find()]
    x = set(db_urls)
    y = set(index_urls)
    rest_of_urls = x-y
    if __name__ == '__main__':
        pool = Pool()
        # pool = Pool(processes=6)
        pool.map(get_all_links_from,channel_list.split())#參數(shù)一是函數(shù),接受參數(shù)二

Python set的操作
多進(jìn)程multiprocessing中進(jìn)程池Pool()以及方法map的用法
更為詳細(xì)的有關(guān)multiprocessing的介紹

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成,瀏覽時(shí)請(qǐng)結(jié)合常識(shí)與多方信息審慎甄別。
平臺(tái)聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點(diǎn),簡(jiǎn)書(shū)系信息發(fā)布平臺(tái),僅提供信息存儲(chǔ)服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容