用python編寫網(wǎng)絡爬蟲_第1頁
已閱讀1頁,還剩4頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、剛剛開了一個《計算機網(wǎng)絡》的課,覺得很有用。正好師兄讓我練習編寫一個能下載網(wǎng)站網(wǎng)頁的程序,正好能用上課上的知識了。為了想作一個效率不差的,而下載網(wǎng)頁的性能瓶頸是在網(wǎng)絡上,所有決定用Python編寫代碼。剛學python沒幾天,學習一種語言的最好方法就是寫code.下面的是我用的多線程實現(xiàn)的網(wǎng)絡爬蟲,并用py2exe生成了一個exe,自身覺得py2exe不太好,又不會更好的,只能......這是我這些天的成果。希望有人能提出好的建議,先謝

2、謝了!一共兩個文件,一個是toolbox_insight.py,是一個工具文件另一個是test.py,是一個用到toolbox_insight.py中工具的測試文件#FileName:toolbox_insight.pyfromsgmllibimptSGMLParserimptthreadingimpttimeimpturllib2imptStringIOimptgzipimptstringimptos#rewriteSGMLParse

3、rfstart_aclassBasegeturls(SGMLParser):#這個Basegeturls類作用是分析下載的網(wǎng)頁,把網(wǎng)頁中的所有鏈接放在self.url中。defreset(self):self.url=[]SGMLParser.reset(self)defstart_a(selfattrs):href=[vfkvinattrsifk==href]ifhref:self.url.extend(href)#fquicklyf

4、indingclassNewlist(list):#這個類其實是一個添加了find方法的LIST。當num變量在LIST中,返回True當不在LIST中,返回False并把num按二分法插入LIST中deffind(selfnum):l=len(self)first=0end=l1=0ifl==0:self.(0num)returnFalsewhilefirstself[]:first=1elifnum=self.maxnum:#達到最

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論