这篇文章主要介绍了Python爬虫过程解析之多线程获取小米应用商店数据,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下
本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。
以下文章来源于IT共享之家 ，作者IT共享者
前言
小米应用商店给用户发现最好的安卓应用和游戏,安全可靠，可是要下载东西要一个一个地搜索太麻烦了。而且速度不是很快。
今天用多线程爬取小米应用商店的游戏模块。快速获取。
二、项目目标
目标 ：应用分类 – 聊天社交 应用名称， 应用链接，显示在控制台供用户下载。
三、涉及的库和网站
1、网址：百度搜 – 小米应用商店，进入官网。
2、涉及的库：requests、threading 、queue 、json、time
3、软件：PyCharm
四、项目分析
1、确认是否为动态加载。
通过页面局部刷新， 右键查看网页源代码，搜索关键字未搜到 。断定此网站为动态加载网站，需要抓取网络数据包分析。
2、使用chrome浏览器，F12抓取网络数据包。
1）抓取返回json数据的URL地址（Headers中的Request URL）。
http://app.mi.com/categotyAllListApi?page={}&categoryId=2&pageSize=30
2）查看并分析查询参数（headers中的Query String Parameters）。
page: 1 categoryId: 2 pageSize: 30
发现只有page再变，0 1 2 3 … … ，这样我们就可以通过控制page的直拼接多个返回json数据的URL地址。
五、项目实施
1、我们定义一个class类继承object，然后定义init方法继承self，再定义一个主函数main继承self。准备导入库，url地址和请求头headers。
import requests from threading import Thread from queue import Queue import json import time class XiaomiSpider(object): def __init__(self): self.headers = {'User-Agent':'Mozilla/5.0'} self.url = 'http://app.mi.com/categotyAllListApi?page={}&categoryId=15&pageSize=30' def main(self): pass if __name__ == '__main__': imageSpider = XiaomiSpider() imageSpider.main()
2、定义队列，用来存放URL地址
self.url_queue = Queue()
3、URL入队列
def url_in(self): # 拼接多个URL地址,然后put()到队列中 for i in range(67): self.url.format((str(i))) self.url_queue.put(self.url)
4、定义线程事件函数get_page(请求数据)
defget_page(self): # 先get()URL地址,发请求 while True: # 当队列不为空时,获取url地址 if not self.url_queue.empty(): url = self.url_queue.get() html = requests.get(url,headers=self.headers).text self.parse_page(html) else: break
5、定义函数parse_page 解析json模块，提取应用名称，应用链接内容。
# 解析函数 def parse_page(self,html): app_json = json.loads(html) for app in app_json['data']: # 应用名称 name = app['displayName'] # 应用链接 link = 'http://app.mi.com/details?id={}'.format(app['packageName']) d = { '名称' : name,'链接' : link } print(d)
6、main方法， 定义t_list = [] 存放所有线程的列表。调用ge来源gaodai#ma#com搞*代#码网t_page多线程爬取。
def main(self): self.url_in() # 存放所有线程的列表 t_list = [] for i in range(10): t = Thread(target=self.get_page) t.start() t_list.append(t)
7、for循环遍历列表，统一回收线程。
# 统一回收线程for p in t_list: p.join()
8、统计一下执行时间。
start = time.time() spider = XiaomiSpider() spider.main() end = time.time() print('执行时间:%.2f' % (end-start))
六、效果展示
1、运行程序。点击运行，将游戏名称，下载链接，执行时间，显示在控制台。
2、点击蓝色的网址可以直接去到下载页面下载应用，如下图所示。
以上就是Python爬虫过程解析之多线程获取小米应用商店数据的详细内容，更多请关注gaodaima搞代码网其它相关文章！
转载请注明原文链接：Python爬虫过程解析之多线程获取小米应用商店数据
