鱼C论坛

 找回密码
 立即注册
查看: 931|回复: 5

[已解决]多线程爬表情包爬不到内容

[复制链接]
发表于 2020-5-3 17:42:56 | 显示全部楼层 |阅读模式

马上注册,结交更多好友,享用更多功能^_^

您需要 登录 才可以下载或查看,没有账号?立即注册

x
本帖最后由 xmpython 于 2020-5-3 19:52 编辑

大哥哥大姐姐能不能帮我看看我这程序哪里有问题啊,为啥运行几秒之后就自动结束,而且什么内容都没爬到
不用多线程的时候能爬图片,很正常,加上多线程之后就不行了,点运行之后啥反应都没有,过几秒自动结束程序,而且啥东西都没爬到。。。。要哭了
import requests
from lxml import etree
from fake_useragent import UserAgent
from urllib import request
import threading
from queue import Queue


class Producer(threading.Thread):
    headers = {
        "User-Agent": UserAgent().chrome
    }

    def __init__(self, page_queue, img_queue, *args, **kwargs):
        super(Producer, self).__init__(*args, **kwargs)
        self.page_queue = page_queue
        self.img_queue = img_queue

    def run(self):
        while True:
            if self.page_queue.empty():
                break
            url = self.page_queue.get()
            self.get_url(url)

    def get_url(self, url):
        response = requests.get(url, headers=self.headers)
        e = etree.HTML(response.text)
        img_urls = e.xpath("//div[@class='page-content text-center']/div/a/img/@data-original")
        for img in img_urls:
            self.img_queue.put(img)


class Consumer(threading.Thread):
    def __init__(self, page_queue, img_queue, *args, **kwargs):
        super(Consumer, self).__init__(*args, **kwargs)
        self.page_queue = page_queue
        self.img_queue = img_queue

    def run(self):
        while True:
            if self.img_queue.empty() and self.page_queue.empty():
                break
            img_url = self.img_queue.get()
            filename = img_url.split("/")[-1]
            request.urlretrieve(img_url, "images/" + filename, None)
            print(img_url)


def main():
    page_queue = Queue(3)
    img_queue = Queue(1000)
    for x in range(1, 4):
        page_url = "https://www.doutula.com/photo/list/?page=%d" % x
        page_queue.put(page_url)

    for x in range(5):
        t = Producer(page_queue, img_queue)
        t.start()

    for x in range(5):
        t = Consumer(page_queue, img_queue)
        t.start()


if __name__ == '__main__':
    main()

新手还没有权限发图
图链接https://imgchr.com/i/YpPZss

                               
登录/注册后可看大图

最佳答案
2020-5-11 18:05:17
本帖最后由 suchocolate 于 2020-5-11 18:11 编辑
import requests
from lxml import etree
from urllib import request
import threading
from queue import Queue


class Producer(threading.Thread):
    def __init__(self, page_queue, img_queue, *args, **kwargs):
        super(Producer, self).__init__(*args, **kwargs)
        self.headers = {'user-agent': 'firefox'}      # 有改动
        self.page_queue = page_queue
        self.img_queue = img_queue

    def run(self):
        while not self.page_queue.empty():    # 有改动
            url = self.page_queue.get()
            self.get_url(url)

    def get_url(self, url):
        response = requests.get(url, headers=self.headers)
        e = etree.HTML(response.text)
        img_urls = e.xpath("//div[@class='page-content text-center']/div/a/img/@data-original")
        for img in img_urls:
            self.img_queue.put(img)


class Consumer(threading.Thread):
    def __init__(self, img_queue, *args, **kwargs):
        super(Consumer, self).__init__(*args, **kwargs)
        self.img_queue = img_queue     # 有改动

    def run(self):
        while not self.img_queue.empty():   # 有改动
            img_url = self.img_queue.get()
            filename = img_url.split("/")[-1]
            request.urlretrieve(img_url, "images/" + filename, None)
            print(img_url)


def main():
    page_queue = Queue(3)
    img_queue = Queue(1000)
    for x in range(1, 4):
        page_url = "https://www.doutula.com/photo/list/?page=%d" % x
        page_queue.put(page_url)
    t_l_p = []    # 新增
    t_l_c = []    # 新增
    for x in range(3):    # 线程数大于队列数,会有线程不干活的
        t = Producer(page_queue, img_queue)
        t.start()
        t_l_p.append(t)
    for t in t_l_p:
        t.join()    # 得等获取完url再继续
    for x in range(3):
        t = Consumer(img_queue)
        t.start()
        t_l_c.append(t)
    for t in t_l_c:
        t.join()
    print('It's over')


if __name__ == '__main__':
    main()
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复

使用道具 举报

发表于 2020-5-3 18:09:18 | 显示全部楼层
用图床发
https://imgchr.com/
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2020-5-3 19:53:53 | 显示全部楼层
liuzhengyuan 发表于 2020-5-3 18:09
用图床发
https://imgchr.com/

欧克欧克
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2020-5-11 12:00:55 | 显示全部楼层
不懂python

1. 你的 queue 容量为 3, 为什么有 5 个 Producer, Consumer
2. run 函数是会自动执行吗
3. 主线程需要等待 Producer Consumer 的退出吗
4. Queue 是线程安全的吗
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2020-5-11 18:05:17 | 显示全部楼层    本楼为最佳答案   
本帖最后由 suchocolate 于 2020-5-11 18:11 编辑
import requests
from lxml import etree
from urllib import request
import threading
from queue import Queue


class Producer(threading.Thread):
    def __init__(self, page_queue, img_queue, *args, **kwargs):
        super(Producer, self).__init__(*args, **kwargs)
        self.headers = {'user-agent': 'firefox'}      # 有改动
        self.page_queue = page_queue
        self.img_queue = img_queue

    def run(self):
        while not self.page_queue.empty():    # 有改动
            url = self.page_queue.get()
            self.get_url(url)

    def get_url(self, url):
        response = requests.get(url, headers=self.headers)
        e = etree.HTML(response.text)
        img_urls = e.xpath("//div[@class='page-content text-center']/div/a/img/@data-original")
        for img in img_urls:
            self.img_queue.put(img)


class Consumer(threading.Thread):
    def __init__(self, img_queue, *args, **kwargs):
        super(Consumer, self).__init__(*args, **kwargs)
        self.img_queue = img_queue     # 有改动

    def run(self):
        while not self.img_queue.empty():   # 有改动
            img_url = self.img_queue.get()
            filename = img_url.split("/")[-1]
            request.urlretrieve(img_url, "images/" + filename, None)
            print(img_url)


def main():
    page_queue = Queue(3)
    img_queue = Queue(1000)
    for x in range(1, 4):
        page_url = "https://www.doutula.com/photo/list/?page=%d" % x
        page_queue.put(page_url)
    t_l_p = []    # 新增
    t_l_c = []    # 新增
    for x in range(3):    # 线程数大于队列数,会有线程不干活的
        t = Producer(page_queue, img_queue)
        t.start()
        t_l_p.append(t)
    for t in t_l_p:
        t.join()    # 得等获取完url再继续
    for x in range(3):
        t = Consumer(img_queue)
        t.start()
        t_l_c.append(t)
    for t in t_l_c:
        t.join()
    print('It's over')


if __name__ == '__main__':
    main()
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2020-5-18 02:51:46 | 显示全部楼层
斗图网有反爬,多线程会挂掉
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

小黑屋|手机版|Archiver|鱼C工作室 ( 粤ICP备18085999号-1 | 粤公网安备 44051102000585号)

GMT+8, 2025-1-21 08:46

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表