码农知识堂 - 1000bd
  •   Python
  •   PHP
  •   JS/TS
  •   JAVA
  •   C/C++
  •   C#
  •   GO
  •   Kotlin
  •   Swift
  • 一个简单的异步爬虫


    aiohttp+motor

    • motor
    • 代码

    好久没写过爬虫了,今天看到有群友在问就看了下他的代码,大概是一个异步的爬取影视作品链接的爬虫,看到有别的大佬给他解决了问题后他发了张存入mongodb的截图,于是我也正好学习也复习下asyncio。

    motor

    Motor 提供了一个基于协程的 API,用于从Tornado或asyncio对 MongoDB 的非阻塞访问。Motor 在连接到 MongoDB 或执行 I/O 时从不阻塞事件循环。Motor 封装了几乎所有 PyMongo 的 API 并使其成为非阻塞的。

    简单的介绍

    代码

    import re
    
    import asyncio
    import aiohttp
    from lxml import etree
    import motor.motor_asyncio
    
    
    client = motor.motor_asyncio.AsyncIOMotorClient()
    collection = client.film.kkxz_test
    
    
    async def index_page(url):
        page_url_list = []
        async with aiohttp.ClientSession() as session:
            async with session.get(url) as req:
                res = await req.json()
                for page_url in res['data']:
                    page_url_list.append('https://kkxz.vip/d/' + page_url['attributes']['slug'])
    
        await save_data(page_url_list)
    
    
    async def save_data(urls):
        for url in urls:
            async with aiohttp.ClientSession() as session:
                async with session.get(url) as req:
                    text = await req.text()
                    movie_link = re.findall('href="(https://pan.quark.cn.*?)"', text)
                    movie_title = re.findall('

    (.*?)

    '
    , text) print(movie_title[0], movie_link) await collection.insert_one({'title': movie_title[0],'link': movie_link}) async def main(): url = 'https://kkxz.vip/api/discussions?include=user%2ClastPostedUser%2CfirstPost%2Ctags%2Ctags.parent&filter%5Btag%5D=tv&sort&page%5Boffset%5D={id}' tasks = [asyncio.create_task(index_page(url.format(id = i))) for i in range(0, 20, 30)] await asyncio.wait(tasks) if __name__ == '__main__': asyncio.run(main())
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
  • 相关阅读:
    Pandas之datetime数据基础详解。
    JavaScript系列从入门到精通系列第十四篇:JavaScript中函数的简介以及函数的声明方式以及函数的调用
    Caller 服务调用 - HttpClient
    使用Express框架操作MongoDB数据库
    自定义指令
    【从零开始学习 SystemVerilog】2.13、SystemVerilog 数据类型—— Structure(结构体)
    AI自动绘画生成器,AI自动绘画工具使用教程
    Nexus私服,使用Maven上传到仓库时提示xx/metadata.xml响应码 502
    位运算::Bitwise operation
    杰理之注册编码服务事件回调【篇】
  • 原文地址:https://blog.csdn.net/qq_41967784/article/details/128117289
  • 最新文章
  • 攻防演习之三天拿下官网站群
    数据安全治理学习——前期安全规划和安全管理体系建设
    企业安全 | 企业内一次钓鱼演练准备过程
    内网渗透测试 | Kerberos协议及其部分攻击手法
    0day的产生 | 不懂代码的"代码审计"
    安装scrcpy-client模块av模块异常,环境问题解决方案
    leetcode hot100【LeetCode 279. 完全平方数】java实现
    OpenWrt下安装Mosquitto
    AnatoMask论文汇总
    【AI日记】24.11.01 LangChain、openai api和github copilot
  • 热门文章
  • 十款代码表白小特效 一个比一个浪漫 赶紧收藏起来吧!!!
    奉劝各位学弟学妹们,该打造你的技术影响力了!
    五年了,我在 CSDN 的两个一百万。
    Java俄罗斯方块,老程序员花了一个周末,连接中学年代!
    面试官都震惊,你这网络基础可以啊!
    你真的会用百度吗?我不信 — 那些不为人知的搜索引擎语法
    心情不好的时候,用 Python 画棵樱花树送给自己吧
    通宵一晚做出来的一款类似CS的第一人称射击游戏Demo!原来做游戏也不是很难,连憨憨学妹都学会了!
    13 万字 C 语言从入门到精通保姆级教程2021 年版
    10行代码集2000张美女图,Python爬虫120例,再上征途
Copyright © 2022 侵权请联系2656653265@qq.com    京ICP备2022015340号-1
正则表达式工具 cron表达式工具 密码生成工具

京公网安备 11010502049817号