当前位置:
首页 > temp > python入门教程 >
-
声控党的福利!Python爬取【猫耳FM】音频数据,用多线程对比通用爬虫的速度
前言
今天的“受害者”为【猫耳FM】,一个音频网站
地址:https://www.missevan.com/sound/m/110
对于本篇文章有疑问的同学可以加【资料白嫖、解答交流群:1039649593】
知识点:
- requests
- time
- re
- concurrent.futures
开发环境:
- 版 本:anaconda5.2.0(python3.6.5)
- 编辑器:pycharm
【付费VIP完整版】只要看了就能学会的教程,80集Python基础入门视频教学
导入模块
import time import requests import concurrent.futures import re
通过函数式编程,实现各个功能模块
发送请求
def get_html(url): response = requests.get(url) return response
第一次解析
def parse(response): mp3_ids = re.findall('<a target="_player" href="/sound/(.*?)" title=".*?">', response.text) return mp3_ids
第二次解析
def parse_2(response): json_data = response.json() title = json_data['info']['sound']['soundstr'] soundurl = json_data['info']['sound']['soundurl'] return title, soundurl
保存数据
def save(title, mp3_data): with open('mp3\\' + title + '.mp3', mode='wb') as f: f.write(mp3_data) print(title, '下载完成!!!')
修改标题
def change_title(title): new_title = re.sub(r'[\//|:?<>"*]', '_', title) return new_title
主函数,调用里面包含的整体连贯
# 1. 发送请求 response = get_html(url) # 2. 解析数据 soundid mp3_ids = parse(response) for mp3_id in mp3_ids: # 3. 请求另外详情页 地址拼接 https://www.missevan.com/sound/getsound?soundid=3922170 mp3_url = 'https://www.missevan.com/sound/getsound?soundid=' + mp3_id resp_2 = get_html(mp3_url) # 4. 解析音频url地址 音频标题 title, soundurl = parse_2(resp_2) # 修改标题 title = change_title(title) # 5. 请求音频url地址 音频 二进制数据 content mp3_data = get_html(soundurl).content # 6. 下载保存 到本地 save(title, mp3_data)
翻页
start_time = time.time() for page in range(1, 5): print(f'----------正在爬取第{page}页-------------') run(f'https://www.missevan.com/sound/m?id=110&p={page}') print('一共花费了:', time.time()-start_time)
多线程
if __name__ == '__main__': start_time = time.time() with concurrent.futures.ThreadPoolExecutor(max_workers=1000) as executor: for page in range(1, 5): url = f'https://www.missevan.com/sound/m?id=110&p={page}' executor.submit(run, url) print('一共花费了:', time.time()-start_time)
速度提升了一分钟左右
出处:https://www.cnblogs.com/qshhl/p/15330611.html
最新更新
nodejs爬虫
Python正则表达式完全指南
爬取豆瓣Top250图书数据
shp 地图文件批量添加字段
爬虫小试牛刀(爬取学校通知公告)
【python基础】函数-初识函数
【python基础】函数-返回值
HTTP请求:requests模块基础使用必知必会
Python初学者友好丨详解参数传递类型
如何有效管理爬虫流量?
2个场景实例讲解GaussDB(DWS)基表统计信息估
常用的 SQL Server 关键字及其含义
动手分析SQL Server中的事务中使用的锁
openGauss内核分析:SQL by pass & 经典执行
一招教你如何高效批量导入与更新数据
天天写SQL,这些神奇的特性你知道吗?
openGauss内核分析:执行计划生成
[IM002]Navicat ODBC驱动器管理器 未发现数据
初入Sql Server 之 存储过程的简单使用
SQL Server -- 解决存储过程传入参数作为s
关于JS定时器的整理
JS中使用Promise.all控制所有的异步请求都完
js中字符串的方法
import-local执行流程与node模块路径解析流程
检测数据类型的四种方法
js中数组的方法,32种方法
前端操作方法
数据类型
window.localStorage.setItem 和 localStorage.setIte
如何完美解决前端数字计算精度丢失与数